微软人工智能与古腾堡计划合作创建5,000本有声书

对于文学爱好者和倡导无障碍人士来说，这是一个非凡的发展。微软已与古腾堡计划、谷歌和麻省理工学院合作，制作了一套5,000本开放许可的有声书。这次合作让各种各样的文学作品得以呈现，涵盖经典文学、戏剧、传记等，总计约35,000小时的音频内容。这些有声书面向广泛受众开放，包括视障人士、年轻读者和语言学习者。

通过有声书增强无障碍性

这项名为“大规模自动有声书创建”的计划旨在通过利用先进的人工智能技术，显著改善文学作品的可访问性。有声书长期以来一直深受读者喜爱，但传统的创建过程既耗时又昂贵。历史上，有声书中使用的合成语音听起来很机械，降低了聆听体验。

然而，微软的创新文本转语音技术彻底改变了这一格局。通过与古腾堡计划合作，团队推出了“古腾堡计划开放有声书合集”，这是一座丰富的有声书宝库，可在主要播客和流媒体平台上获取，也可以通过方便的研究人员使用的单个.zip文件获取。

听起来惊人地像人类的有声书

这项计划的一个突出特点是用于叙述的AI语音具有惊人的人类听感。与以前的文本转语音系统不同，微软的技术达到了可以轻松误认为是人类叙述者的逼真程度。然而，它并非没有缺点。例如，AI有时难以处理单独的字母，将“I”读作“eye”，将“V”读作“vee”。此外，故事中每个角色的声音都相同，无论性别或身份如何，这引发了对声音多样性的建议。

未来的创新与定制

展望未来，研究人员旨在进一步提升有声书体验。他们正在探索一种“自动说话人和情感推断系统”，该系统可以根据文本上下文动态调整语音和语调，使对话更加生动有趣。理想情况下，读者可以通过选择首选的语音、速度等来自定义他们的有声书体验。

虽然此功能目前尚未包含在合集中，但它反映了研究人员致力于不断改进有声书体验的承诺。他们还有雄心勃勃的计划，将有声书图书馆扩展到涵盖古腾堡计划上所有60,000本电子书，甚至可能将其翻译成各种语言。

包容性与开源

该项目最值得称赞的方面之一是其对包容性和开源原则的承诺。通过此合作创建的有声书对任何人都免费开放，底层软件也是开源的。这意味着读者不仅可以免费享受大量有声书，其他有兴趣增强或利用该软件用于自己项目的人也可以不受限制地使用。

古腾堡计划执行主任Greg Newby表示支持这一计划，强调使文学更容易被更广泛的受众获取而不受经济障碍的重要性。

微软、古腾堡计划、谷歌和麻省理工学院之间的这次合作代表了有声书世界的一个重要里程碑。它不仅使文学经典更容易获取，还为文本转语音技术领域的未来创新铺平了道路。凭借个性化有声书的潜力和对开放性的承诺，该项目有望将文学带给更多样化和全球化的受众。