微軟神經(jīng)網(wǎng)絡(luò)語音合成工具是一款專為語音合成所推出的輔助軟件。它適用于配音、講解、說書、廣告等場景，還有各種語音種類、風(fēng)格、語速、語調(diào)等你調(diào)整，讓你可以合成出更加完美的語音，免費下載。

【功能特點】

　　已累計支持129種語言，330多種神經(jīng)網(wǎng)絡(luò)聲音，是迄今為止做的最自然、最貼近人聲的語音合成技術(shù)。

【軟件介紹】

　　1. 開發(fā)理由

　　雖然語音合成技術(shù)很早就有，唯一的缺點就是很少有面向普通人的可視化操作工具，一方面開發(fā)這種工具變現(xiàn)困難，另一方面這些可視化工具以往依賴于最底層的C類編程語言，不過都2022年了，許多跨端技術(shù)的出現(xiàn)，比如fluent、webview2等，使得以往全棧開發(fā)者都可以降維開發(fā)桌面跨端app。這也是我開發(fā)這套工具的技術(shù)基礎(chǔ)。

　　本次開發(fā)借助wails工具，實現(xiàn)了go后端+vue前端合并開發(fā)，最終體積只有3.6Mb,里面包含15種音頻預(yù)覽。這種組合開發(fā)，既可以全前端wasm實現(xiàn)，也可以用go實現(xiàn)，自由度非常高。除此之外，微軟亞洲研究院也詳細(xì)介紹了fastspech模型和相關(guān)文獻(xiàn)資料，對科研工作者的故事和背景做了詳細(xì)報道，反觀國內(nèi)互聯(lián)網(wǎng)企業(yè)，涉及技術(shù)性的東西從來只是強堆概念，微軟亞洲研究院在這方面做的就很開放和自由，帶給閱讀者更多啟發(fā)。

　　2. 為什么做paper2gui？

　　當(dāng)今世界，技術(shù)再牛，如果沒有簡單的可視化操作入口，只能塵封。價值來源于廣泛的使用，挖掘那些論文里被塵封的潛在價值，就是半年前我創(chuàng)建paper2gui的初衷，讓更人工智能產(chǎn)物更簡單直接的面向普通大眾。

　　3. 反內(nèi)耗后的研究思路

　　在書寫代碼的風(fēng)格里，類yaml格式最符合人腦，也最受歡迎，比如python、pug、stylus,在項目范疇上，通用倉庫更容易獲得青睞，比如antfu大佬寫的unplugin系列遠(yuǎn)比unocss受歡迎，后者頂多只能做到類tailwindcss這樣的分流主線，有著創(chuàng)始人意味，而unplugin系列包羅萬象，這種兼容性極強的工具，就會成為類vue或vite，成為萬千喜愛的大眾項目。

　　國內(nèi)很多新手眼界很窄，從來不想想跨領(lǐng)域的事情，只覺得眼下就是一切，一葉障目很危險的。像我，不僅廣泛瀏覽和思考全球優(yōu)秀的UI設(shè)計，同時也全棧開發(fā)一些網(wǎng)頁，還有降維操作的桌面app,實時查看GitHub感興趣的倉庫代碼變更，從源頭理清開發(fā)者思路，雖然不能主動提出科研問題，卻可以按月實現(xiàn)一個自己的小靈感。越是前沿、越是國際化的東西，實際上最終都是通用的，讓你感受到的痛點和爽點，在程序領(lǐng)域總有類似的群體感覺，所以日常更新迭代就可以逐步趨向大同。

　　假如你持久跟隨在這些頂尖開發(fā)者的邏輯，漸漸的你就有了他們視角之外的想法，從而提出改進(jìn)意見或者干脆自己提個pull。在追逐nuxt3的更新里，我認(rèn)識了國內(nèi)antfu大佬，老外怒贊他一個人頂十個，精力無限靈感無限，更重要的是人家樂意為開源服務(wù)。在追逐ncnn項目時，我認(rèn)識了nihui這樣的大佬，雖然不像antfu那樣高產(chǎn)，但確實把論文變成普通人使用的工具上有很突破，本次的微軟神經(jīng)網(wǎng)絡(luò)語音合成，讓我認(rèn)識了Xu Tan譚旭這樣的國內(nèi)人工語音合成領(lǐng)域的高手。追逐這些頂尖高手的過程，很有趣，見識也大漲，不懼怕失敗，也不懼怕錯誤，面對全新的想法付出實踐時，如果沒有99%的失敗，證明的你的工作毫無創(chuàng)意。這也是我連續(xù)數(shù)月不斷挑戰(zhàn)多個領(lǐng)域，每月一個新品的現(xiàn)實行動，高產(chǎn)出，高實踐，高挫折，同樣帶給我無限的喜悅、興奮和自豪。