30分鐘音檔打造 AI 分身！ 宏正 COMPUTEX 秀臺語合成器

OpenAI推出更高性能、更高效AI技術模型GPT-4o。(美聯社)

OpenAI日前推出新模型GPT-4o，能即時以語音互動，AI威力更上層樓，用戶也能自由選擇AI回覆聲音，但隨即被爆出有一個聲音選項類似女星史嘉蕾．喬韓森，最後OpenAI受到壓力下架該聲音，也讓語音互動AI的語料來源合法性受到市場重視。

宏正自動科技（6277）此次Computex將展出最新產品「AI Voice優聲學」，除國語外，首度發表臺語合成器，宏正主管表示，語音合成是去合成類似人類自然談話的音調內容，至於說的資料由客戶提供，可以訓練學習當事人腔調語氣，跟大語言模型LLM不同是後者訓練AI去了解客戶問的意思，並找出最佳答案回覆。

語音素材除客戶提供外，宏正也有聘請聲優，能夠透過短短30分鐘比較少的語調錄音檔，就能產生出符合該人特色語氣的產品，宏正指出，相對於微軟跟OPEN AI用超大量資料去訓練建立類似人類說話的AI模型，宏正則是用較少的資料就能產生非常接近特定人說話口氣的演算法，最低門檻是30分鐘音檔大概1,000句語句，但若要更逼真可以提供更多音檔。

「宏正不是要跟OpenAI競爭，我們是做不一樣的事。」宏正主管表示，透過客戶來錄音30分鐘或提供現成音檔，宏正會針對該語調進行標記，然後做AI訓練，最終成品取決於資料涵蓋量，而優聲學可說是業界中文類需要資料量最小的語音演算法。

「臺語比我們想像中的難！」宏正主管透露，因爲臺語沒有太多中文稿件，同時變調非常多，所以若沒有抓出變調的方法，AI讀稿就會變得很奇怪，「小雨傘，沒有人會一個字一個字念（都念三聲），第二個字讀音會變二聲，這就是免費版跟收費版的差別。」宏正指出，合成器的重點就在正確性，目前也已開發1~20個模型，並有客戶合作中。

宏正指出，2016年預見AI將會成爲未來重要趨勢，內部就已開始投資研發，2018年初正式成立AI研發中心，鎖定聲音AI的開發，宏正並將在內部成立「AI工廠」，從聲線分析、文本設計、錄音工程、修整與標記、訓練與驗證，建立標準化AI服務與AI模型管理流程。