上证报中国证券网讯6月26日，科大讯飞宣布语音合成技术全新升级，一句话声音复刻与超拟人合成两大核心能力实现突破。只需一句话录音，AI就能完整捕捉用户喉腔共鸣、口音特点、气息流转等发音特征，还原用户的停顿习惯、情感起伏和呼吸节奏，达到复刻效果。专业测评显示，科大讯飞一句话声音复刻技术在相似度、准确度等维度行业领先。

2024年4月，讯飞星火APP的“一句话声音复刻”功能正式上线。在智能语音领域，声音复刻效果的核心指标始终围绕相似度与准确度两大维度展开。相似度决定“第一耳印象”，包含音色特质及风格韵味;准确度则关乎声音复刻是否好用，确保发音标准、停顿自然、语气连贯。

据介绍，此次技术突破的关键，除了星火语音大模型底座的基础和持续迭代，还构建了一套三阶段层次化语音建模框架。首先，通过星火底座大模型精确捕捉发音规律和韵律特征。其次，在音色恢复阶段解耦并重构声学特征。最后，通过高精度声码器恢复高保真波形。

在音色解耦表征能力的基础上，科大讯飞在声音复刻场景针对性进行两项关键技术的尝试与突破：音色编码增强、强化学习。在需要深入交流的场景里，仅有相似音色并不足够。讯飞的超拟人合成技术此次进阶的重点是赋予AI声音以“上下文情商”。面对多轮对话的复杂度，科大讯飞开发了上下文感知的语音生成系统。

科大讯飞研究院院长刘聪表示：“我们希望声音不止于工具，更成为承载情感与个性的新维度，赋能更多场景行业、催生更多可能”。属于AI声音的多元化、情感化时代，正加速驶入现实。

业内人士认为，从曾经要录上数十个小时的语音素材，到录入几段话，再到现在仅用一句话就能复刻声音，语音合成技术一直在向更快、更好、更易用的方向奔跑。一句话复刻技术的进阶，代表着能用更少的资源、更快的速度带来惊艳且实用的效果，显著降低了应用门槛，让更多的场景和行业衍生出更多的个性化需求。