音頻技術（Speech, Audio & Music Intelligence，簡稱SAMI），主要致力于語音合成、音頻理解與處理、音樂理解與編輯、音樂生成等技術的研究和應用。我們的優勢是基于音樂和音頻的多模態技術融合與創新，自研算法追求更優性能。我們的愿景是用AI賦能創作者，激發創作靈感，為用戶提供全新的交互體驗，發掘聲音的無限可能。

1. 文本朗讀（TTS）

我們使用業界領先的語音合成（TTS）技術，將文本轉化為自然流暢、情感豐富、高度擬人化的語音，支持多語種、多方言，現已具備幾十種音色并支持個性化定制，滿足各類場景對文本朗讀的需求。

2. 節拍檢測（BeatTracking）

節拍檢測能夠自動分析獲取音樂的節拍點，發現音樂的更多信息，輔助音樂資源利用。
目前支持在線OpenAPI調用以及離線SDK調用。

3. 音樂轉譜（MIDI）

音樂轉譜將輸入的音頻進行分析，提取導出MIDI格式內容，包含音樂的音符、力度、時長等信息。

4. 音樂標簽（MusicTagging）

音樂標簽通過人聲、曲風、情緒、場景、語言、二級曲風等多個維度分析音樂，自動生成各維度下的標簽。

5. 音源分離（MusicSourceSeparate）

音源分離能夠自動分析歌曲中的人聲和伴奏，進行提取分離用于K歌、二次創作等多種玩法。

6. 音頻降噪與增強（AudioNoiseReductionAndEnhancement）

自研基于dsp算法和深度學習的回聲消除、噪聲抑制、聲音增強，兼顧強降噪與高保真。針對不同場景，采取精準優化措施，尤其在音樂場景下，可以在保證人聲和背景音樂無損傷的前提下，更好地抑制噪聲。
目前可以通過接入音頻技術SDK使用該功能。

7. 音效處理與變聲 (SoundEffectProcessingAndVoiceChange)

提供多種音頻剪輯能力，包含
預置變聲特效 (花栗鼠、小哥哥、麥霸、擴音器、機器人、沒電了、小黃人、巨人)
混響美化音效模板 (KTV、大自然、回音、演唱會、錄音棚、音樂廳、空靈)，
支持音頻檢測 (音高檢測、語音活性檢測、音量檢測、響度檢測、延遲檢測），
單點音效器（動態壓縮器、合唱音效、失真音效、回聲音效、濾波器、調整聲像、限制器、混響、顫音、升降調、增益），以及變速不變調等
目前可以通過接入音頻技術SDK使用該功能。

1. 多模態技術融合與創新：火山引擎的音頻技術不僅僅是單一的語音或音樂處理技術，而是將語音合成、音頻理解與處理、音樂理解與編輯、音樂生成等多種技術進行了融合與創新，這種多模態技術的結合使得火山引擎的音頻技術能夠處理更加復雜和多樣化的音頻任務。

2. 自研算法追求更優性能：火山引擎在音頻技術領域擁有自主研發的核心算法，這些算法經過不斷優化和迭代，追求在性能上達到最優，能夠在各種應用場景下提供高質量、高效率的音頻處理效果。

3. 廣泛的產品線和應用能力：火山引擎已經推出了包括文本朗讀（TTS）、節拍檢測（BeatTracking）、音樂轉譜（MIDI）、音樂標簽（MusicTagging）、音源分離（MusicSourceSeparate）、音頻降噪與增強（AudioNoiseReductionAndEnhancement）以及音效處理與變聲（SoundEffectProcessingAndVoiceChange）等一系列音頻技術產品，這些產品能夠滿足不同領域和場景下的音頻處理需求。

4. 高度擬人化的語音合成技術：火山引擎的文本朗讀（TTS）技術采用業界領先的語音合成技術，能夠將文本轉化為自然流暢、情感豐富、高度擬人化的語音，支持多語種、多方言，并具備幾十種音色和個性化定制能力，為用戶提供了豐富的選擇。

5. 精準的音頻處理能力：火山引擎的音頻技術不僅限于語音合成，還包括音頻降噪與增強、音效處理與變聲等功能，能夠實現對音頻的精準處理和優化，滿足不同用戶對音頻處理效果的需求。

6. 用AI賦能創作者：火山引擎的愿景是用AI賦能創作者，通過音頻技術激發創作靈感，為用戶提供全新的交互體驗，發掘聲音的無限可能。這種愿景使得火山引擎的音頻技術不僅僅是一種技術工具，更是一種能夠激發創造力和想象力的力量。

1. 有聲朗讀
用于小說、新聞、廣告等多種語音播報場景，風格多樣，情感豐富
2. 游戲場景
定制npc發音人，個性化語音包
3. 虛擬人物
適配不同虛擬形象的特色聲音，可輸出時間截匹配口型，效果更真實
4. 智能創作
為音視頻編輯的配音、轉場提供多樣化的精品音色，讓創作更精彩