1. 首頁 > 文娛 >

界面新聞|達摩院語音AI新進展：移動端語音識別與合成支持斷網不中斷

采訪人員 | 林北辰
9月18日 ， 在2020云棲大會上 ， 達摩院公布了語音AI技術的最新突破：移動端的語音識別與合成可以支持斷網不中斷；僅從語音識別能力來看 ， 手機上不到40兆的系統可以媲美過去云端上200G系統的效果 。
所謂的“端上”語音交互能力 ， 指的是在例如高德地圖等手機App內的語音識別和合成功能 。過去 ， 由于精確的語音交互任務長期依賴云端算力 ， 造成了語音指令處理不可避免地延時等問題 ， 移動端的語音功能并不完整 。
很長一段時間 ， 在語音識別領域 ， 文字轉錄、體感較好的語音識別和合成功能主要在云端完成 ， 這是由于云上的算力較強 ， 能夠支持語音識別對算力的要求 。相較之下 ， 手機端的CPU和內存容量較小 ， 對語音識別功能來說 ， 在不聯網的情況下 ， 手機端的算力和內存較難支持高精度的語音識別 。
但本次云棲大會上 ， 達摩院對外聲稱 ， 已取得了技術上的突破 ， 未來個人用戶在移動終端也能實現更精準的語音交互 ， 即便在斷網的情況下 ， 手機上的語音識別及合成能力仍可以媲美云端 。目前這項最新的語音技術已接入淘寶直播、釘釘會議、高德導航等場景應用 ， 并進入對外開放階段 。
從技術上來看 ， 此次達摩院的創新在于算法模型上的突破 ， 推出E2E-ASR端到端語音識別技術及端上KAN-TTS語音合成技術 ， 這兩項技術將高難度場景中的語音識別錯誤率降低近三成 ， 可以說是近期移動端語音識別技術最大的突破 。
界面新聞|達摩院語音AI新進展：移動端語音識別與合成支持斷網不中斷
文章圖片

具體應用上 ， 高德地圖近期發布了利用達摩院全新語音技術合成的李佳琦、林志玲、小團團等明星導航語音包 ， 創新點在于斷網狀態下的語音導航不會中斷 。
這樣的效果背后 ， 是達摩院對語音模型進行了“大瘦身” ， 將移動端的語音模型縮小至云端的一百零一分之一 ， 計算量壓縮35倍 。這是繼去年發布仿真率可達97%的自研KAN-TTS語音合成模型后的又一次進步 。
2019年 ， 阿里語音AI曾入選《麻省理工評論》“全球十大突破性技術” ， 是唯一上榜的中國科技公司；今年7月IDC發布的《中國AI云服務市場半年度研究報告》顯示 ， 阿里語音AI以44%的市場份額 ， 在云上語音AI市場中位居第一 。
新聞推薦
追星 ， 可喜的變遷
【界面新聞|達摩院語音AI新進展：移動端語音識別與合成支持斷網不中斷】□周學澤9月8日上午 ， 全國抗擊新冠肺炎疫情表彰大會在北京人民大會堂隆重舉行 ， 大會授予鐘南山(上圖)“共和國勛章” ， 授予...

    推薦閱讀