示貝科技：致力于高品質(zhì)語音合成解決方案

宋茲鵬

人工智能是當(dāng)下最為熱門、最有市場(chǎng)前景的新興領(lǐng)域之。2017年12月，工信部印發(fā)了《促進(jìn)新代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃（2018—2020年）》。計(jì)劃指出，以信息技術(shù)與制造技術(shù)深度融合為主線，以新一代人工智能技術(shù)的產(chǎn)業(yè)化和集成應(yīng)用為重點(diǎn)，推進(jìn)人工智能和制造業(yè)深度融合，加快制造強(qiáng)國(guó)和網(wǎng)絡(luò)強(qiáng)國(guó)建設(shè)。計(jì)劃的發(fā)布引發(fā)了社會(huì)各界的廣泛關(guān)注，為人工智能產(chǎn)業(yè)發(fā)展指明了方向。去年7月，由清華大學(xué)中國(guó)科技政策研究中心、清華大學(xué)公共管理學(xué)院政府文獻(xiàn)中心等多家機(jī)構(gòu)發(fā)布的《中國(guó)人工智能發(fā)展報(bào)告2018》顯示，2017年中國(guó)人工智能市場(chǎng)規(guī)模達(dá)到237億元，同比增長(zhǎng)67%。而智能語音作為人工智能領(lǐng)域的重要板塊，增長(zhǎng)速度迅猛，有數(shù)據(jù)顯示，2017年中國(guó)智能語音市場(chǎng)規(guī)模達(dá)到了105.7億元，同比增長(zhǎng)69.66%0預(yù)計(jì)今年中國(guó)智能語音市場(chǎng)規(guī)模將突破200億元，未來五年年均復(fù)合增長(zhǎng)率約為34.32%。

成立于2016年2月的標(biāo)貝（北京）科技有限公司（以下簡(jiǎn)稱標(biāo)貝科技）是人工智能領(lǐng)域的一家創(chuàng)業(yè)公司，數(shù)年來深耕智能語音交互，為用戶提供語音合成整體解決方案及數(shù)據(jù)服務(wù)。其從最開始只是十幾個(gè)人的小團(tuán)隊(duì)，發(fā)展到現(xiàn)在擁有四五百人的團(tuán)隊(duì)，并且除了北京市總部外，還在深圳、天津、長(zhǎng)春設(shè)有分公司。目前，標(biāo)貝科技已與百度、阿里巴巴、360等公司展開合作。

聲音超市

助力語音合成

我們的社會(huì)生活中常會(huì)用到語音導(dǎo)航，實(shí)際上，在使用過程中聽到的語音提示并不是一句一句話去錄制的，而都是通過語音合成技術(shù)來完成的。語音合成，說直白點(diǎn)就是將文字轉(zhuǎn)換成語音，但是如何使轉(zhuǎn)換成的語音聽起來更富有情感、更飽滿、更接近人聲，這是不容易做到的。

要完成一個(gè)聲音的語音合成，先要把語音里面所需要的語料基礎(chǔ)片段錄好，再對(duì)聲音的音字、韻律和音節(jié)音素進(jìn)行標(biāo)注，通過機(jī)器學(xué)習(xí)對(duì)聲音進(jìn)行建模，然后再經(jīng)過聲碼器輸出成合成的聲音。

需要注意的是，合成一個(gè)理想的聲音的前提是要有足夠多的不同特征的語料，也就是聲音樣本。標(biāo)貝科技在成立之初積累了大量?jī)?yōu)質(zhì)的語音數(shù)據(jù)，于是在去年打造了聲音超市。標(biāo)貝科技市場(chǎng)部總監(jiān)馮海濤告訴中國(guó)商界記者，目前，聲音超市里面已經(jīng)有100多款聲音。記者了解到，為了擴(kuò)大數(shù)據(jù)儲(chǔ)備，標(biāo)貝科技目前還與一些知名度高、聲音辨識(shí)度高的明星、藝人以及IP進(jìn)行合作，有當(dāng)下年輕人喜歡的女團(tuán)成員比如朱正廷、范成成、羅云熙、魏景、陳意涵，也有深受小朋友熱捧的超級(jí)飛俠里面的樂迪、小豬佩奇等。對(duì)于這些語音數(shù)據(jù)，用戶在聲音超市可通過SDK、API技術(shù)接口隨時(shí)調(diào)取自己中意的語音數(shù)據(jù)進(jìn)行使用，這為用戶節(jié)省了大量時(shí)間和成本。

“未來，我們還會(huì)在聲音超市加入聲音銀行的概念，為每個(gè)人保留自己的聲音，未來可以給自己去聽，也可以給自己身邊的家人聽，可以把它植入到智能家具中，在生活中可以與其實(shí)時(shí)交互，這才更貼近生活、更有情懷?！瘪T海濤對(duì)記者說。

語音合成定制化

應(yīng)用場(chǎng)景廣闊

目前，市場(chǎng)上做語音合成的公司并不多，比較知名的有科大訊飛、思必馳等，在行業(yè)中都具有較大影響力。作為一家專注于做語音合成的創(chuàng)業(yè)公司，標(biāo)貝科技經(jīng)過數(shù)年發(fā)展，在團(tuán)隊(duì)、技術(shù)等方面打下良好基礎(chǔ)。馮海濤認(rèn)為，首先，標(biāo)貝科技在前幾年積累了很多的語音合成數(shù)據(jù)，使得其有更多的領(lǐng)域可以選擇，相對(duì)于體量大的公司顯得更加靈活。其次，標(biāo)貝科技技術(shù)團(tuán)隊(duì)成員基本上都有15年左右的行業(yè)經(jīng)驗(yàn)，其CTO來自百度，并且獲得過“百度最高獎(jiǎng)”。

在擁有了技術(shù)團(tuán)隊(duì)力量后，標(biāo)貝科技從2018年5月正式從語音合成數(shù)據(jù)方向轉(zhuǎn)到語音合成技術(shù)方向后，并為用戶提供語音合成解決方案，用戶還可以根據(jù)自身的需求進(jìn)行個(gè)性化語音定制。比如傳統(tǒng)電話客服行業(yè)有諸多痛點(diǎn)，例如電話效率低、情緒狀態(tài)難以把控、容易引發(fā)糾紛、人員流動(dòng)性大、人工成本高，并且培訓(xùn)周期較長(zhǎng)，營(yíng)銷效果并不理想。針對(duì)這些問題，而智能客服具有明顯優(yōu)點(diǎn)，容易統(tǒng)口徑、音色，還具有穩(wěn)定的情緒，還可以連續(xù)不斷地工作，做到了提質(zhì)增效。在競(jìng)爭(zhēng)激烈的市場(chǎng)環(huán)境中，對(duì)于些智能家居、導(dǎo)航等企業(yè)客戶來說，個(gè)性化的聲音也有助于提高品牌辨識(shí)度、增加用戶黏性等。

據(jù)馮海濤介紹，標(biāo)貝科技更傾向于為中小客戶提供定制化的服務(wù)，因?yàn)樗麄兛赡軟]有太多資金投入到智能語音方面，而標(biāo)貝科技會(huì)根據(jù)用戶需求，用最低的成本來給他們做定制化服務(wù)，這樣也會(huì)提高標(biāo)貝科技的市場(chǎng)占有率。目前，標(biāo)貝科技語音合成技術(shù)落地的領(lǐng)域主要有有聲讀物、智能客服、新媒體、泛娛樂等。

馮海濤對(duì)記者表示：“隨著一些行業(yè)的發(fā)展，比如說智能家居，我們可以根據(jù)用戶的需求，把智能家居的語音設(shè)置為自己想要的聲音，比如自己女友的聲音、喜歡的藝人的聲音等，我覺得這才是個(gè)性化?！钡T海濤進(jìn)步表示，智能語音交互應(yīng)用的場(chǎng)景其實(shí)遠(yuǎn)遠(yuǎn)不止這些，首先要得到大行業(yè)的認(rèn)可，并符合行業(yè)發(fā)展趨勢(shì)，才會(huì)有更好的發(fā)展前景。未來，語音合成在應(yīng)用場(chǎng)景中的體驗(yàn)也會(huì)越來越好。

新一代高音質(zhì)合成系統(tǒng)

更接近真人發(fā)音

長(zhǎng)期以來，傳統(tǒng)的語音合成技術(shù)主要圍繞著統(tǒng)計(jì)參數(shù)合成和拼接合成展開，兩種方法雖各有利弊，但基本上滿足了可懂度的要求，語音合成技術(shù)得以在多種場(chǎng)景下都得到應(yīng)用，尤其是導(dǎo)航播報(bào)這樣的強(qiáng)需求場(chǎng)景。

在深度學(xué)習(xí)技術(shù)出現(xiàn)之后，語音合成系統(tǒng)中的模型逐步被深度學(xué)習(xí)模型所替代。記者了解到，尤其是2016年后，隨著wavenet技術(shù)的問世，將參數(shù)合成技術(shù)帶入了一個(gè)全新階段。神經(jīng)網(wǎng)絡(luò)聲碼器的合成效果，逐步接近拼接合成的音質(zhì)，而其流暢度明顯好于拼接合成。從wavenet、parallel wavenet， 到waveglow、wavernn等，神經(jīng)網(wǎng)絡(luò)聲碼器技術(shù)在持續(xù)進(jìn)步的同時(shí)，算法復(fù)雜度不斷下降，逐漸讓工程化應(yīng)用成為可能。

實(shí)際上，隨著算法門檻的降低以及音質(zhì)的提升，越來越多新的使用場(chǎng)景開始涌現(xiàn)，公眾對(duì)于“AI聲音”的關(guān)注點(diǎn)從最初的“可懂度”逐步轉(zhuǎn)移到賦能場(chǎng)景的能力、對(duì)產(chǎn)品體驗(yàn)的提升作用上。所以說，技術(shù)的進(jìn)步一方面也是市場(chǎng)推動(dòng)的結(jié)果，消費(fèi)群體對(duì)語音合成的效果寄予更高的期望。

馮海濤對(duì)記者表示，標(biāo)貝科技一直密切關(guān)注語音合成技術(shù)的演化以及技術(shù)變革所帶來的需求場(chǎng)景的變化，并充分結(jié)合自身的技術(shù)優(yōu)勢(shì)，投入到新技術(shù)的研發(fā)當(dāng)中，在高音質(zhì)合成方面做了大量工作。并且一直在用更高的標(biāo)準(zhǔn)要求自己，幫助更多內(nèi)容方以”聲音+”的方式，開發(fā)出更多好玩有趣的應(yīng)用。同時(shí)，標(biāo)貝還在邀請(qǐng)更多藝人參與到這個(gè)明星語音計(jì)劃中來，在更多好玩、有趣的場(chǎng)景上用聲音陪伴粉絲。

目前，標(biāo)貝正在自主研發(fā)基于attention機(jī)制的、接近真人發(fā)音的新一代高音質(zhì)合成系統(tǒng)，合成效果有了明顯提升——更自然的抑揚(yáng)頓挫、情感起伏，其逼真度也有了進(jìn)一步提升?！皹?biāo)貝科技的這次技術(shù)升級(jí)，將會(huì)首先應(yīng)用在明星、IP的聲音合成上，然后再逐步擴(kuò)展到其他領(lǐng)域。”馮海濤對(duì)記者說。

未來，標(biāo)貝科技還將會(huì)結(jié)合不同的應(yīng)用場(chǎng)景，通過“聲音超市”的模式進(jìn)行技術(shù)的落地，努力為用戶帶來更好的聲音體驗(yàn)。