明星偶像的发生不止源于三次元。从初音未来到赫兹，虚拟偶像的呈现马上将广阔的二次元集体招引，并聚合了强壮的粉丝效应。不过，外行看热闹，熟行看门路。终究什么样的技能在支撑着这风风火火的虚拟偶像热？
其间，如优他动漫科技这样的语音组成技能公司便是中心的参与者。该公司致力于开发可高度复原人类声响的语音/歌声组成引擎。据悉，其是国内首家以独当一面研制的中文语音组成引擎（MUTA）为中心，一起开发并规划具有爱情方法的云端音库包含动漫视音频制造等在内的数字虚拟鼓动渠道供给商。
“职业中大部分企业都把首要的精力放在语音了解中。而把语音组成，做到跟人相同是咱们的最终目标。”优他动漫科技的CEO邱志豪说。
其服务的产品包含虚拟歌姬形象嫣汐、琉璃、友绘等，为2娘（B站）、蒂菲尔（西山居）、琥珀虚颜、未央、希声（中国电信）等供给歌姬声库制造。
据邱志豪回想到，2014年，很少有国内公司乐意做虚拟偶像。后来，商场呈现的也是真人配虚拟的形象，用一个虚拟的人物配上真人歌手。“但这样的方法很难捉住用户的。由于是官方运营的话，用户就没有产出。虚拟IP很难持续化，除非官方得不断投入资源。“他说。“实际上明星的流量首要靠绯闻，热门，或许各种吃瓜进程堆集。官方仍是要给用户供给赋能，用户才会根据这些梗再去发生更多的内容，将IP做大。”他弥补道。
邱志豪以为在语音组成的虚拟偶像应用上，需求有持续的处理方案，才能够添加用户的活跃度以及粉丝的黏度。所以，优他动漫科技供给了中文语音组成引擎MUTA。首要，能够根据这套引擎做的虚拟偶像，后边其还供给做粉丝运营的APP。据悉，粉丝能够在APP里边用各明星的声响，进行一个二次的创造或许二次运营也好。“假设周杰伦封麦了，咱们还能够经过电脑去用他的声响创造歌曲。”邱志豪说。
据介绍，该APP操作简略，没有专业乐理根底的用户也能够容易上手。仅需户输入恣意句子，体系即可组成高品质的语音或许歌曲。就像咱们拍照片后修图直接在软件内挑选需求的滤镜相同，用户能够创造一段歌词，然后选取喜爱的乐曲风格，人声进行组合。“曾经的软件不是专业音乐人底子用不了，咱们希望能做一套，让每个人着手打字就能够创造的软件。”邱志豪介绍道，优他动漫科技的技能有三方面显着的优势：
一：音质优异，可习气杂乱的言语。音库体积小，市面上仅有可适用于APP上的歌声组成技能。
二：制造周期短，复原度高，可保存90%以上原声响色与天然度 。
三：人声主动习气歌曲削减80%的调教量 。
此外，邱志豪泄漏，MUTA现已到了3.0引擎年代。MUTA 3.0最大的特色便是加上了人工智能，能够将一般、哀痛、高兴三个情感方法混合，根据语音组成能够做出有情感染的内容。
并且和许多传统的语音组成不同的是，MUTA 3.0能够根据DNN网络来学习人的声线，发音方法，还有口气。来学习人的习气和音色，并估测其发音、声线。“所以不需求唱每个音，只需求一段资料，电脑就能够估测一些没唱过的音，然后依照这个人的风格和发音方法进行模仿。”邱志豪说。
而传统的语音组成方法需求人在录音棚里说中文一切的字，记载发音。这个进程根本上得录好久。“咱们的方法是你在录音棚里读2000句话。500句高兴，500句哀痛，让机器学习你的情感。对一个明星来说的话，他不行能在录音棚里录六个月。”邱志豪解释道，MUTA 只需求拿到这个人大约30分钟的歌唱资料就能够训练出来跟这个人差不多相同的声库。“MUTA 3.0想要处理的问题便是在有限的资料下，能够持续学习。”他说。
其APP是在上一年上线，现在大约有150万首用户填词的歌曲。此外，现在，APP对C端用户免费。邱志豪泄漏，接下来会考虑推出一些付费的服务。此外，邱志豪还表明，为了能做到赫人声相同的作用，接下来会推出更大的技能打破。“人声响的采样越高越好，真实到达高保真的声线是4800赫兹的采样，咱们在3.0现已做到了1200赫兹，4.0能够做到4800赫兹，便是说它能够真实意义上完成和真人相同的声响。”他说。
据悉，优他动漫科技现已完成了天使轮和A轮融资，其间融资方包含B站。