2012年，全球最大語音技術(shù)廠商N(yùn)uance曾占據(jù)62%的全球語音市場。隨后，開源語音工具導(dǎo)致語音產(chǎn)業(yè)的技術(shù)門檻降低，場景為王時(shí)代到來，錯(cuò)失機(jī)遇的Nuance在智能語音市場步步失守，2015年市場份額已下降到31.6%，被谷歌、蘋果、微軟、科大訊飛等企業(yè)迅速瓜分。

　　智能語音2.0時(shí)代，場景的重要性不言而喻。誰能賦予聲音更多的表現(xiàn)力和個(gè)性化，誰就能將技術(shù)適配到非標(biāo)準(zhǔn)化的廣闊場景中，贏得智能語音市場的未來?？萍季揞^看到這一趨勢，紛紛祭出語音合成“定制化”的大旗。語音合成技術(shù)正式進(jìn)入定制化的2.0時(shí)代。

　　語音合成定制化哪家強(qiáng)

　　微軟是智能語音行業(yè)的領(lǐng)先企業(yè)之一。今年5月份的Build 2018 大會(huì)上，其在公有云平臺(tái)上推出了語音合成定制服務(wù)產(chǎn)品Custom Voice。將語音和對應(yīng)文本(500句)上傳，Custom Voice即可對聲音進(jìn)行模擬，并在線測試模擬效果。Custom Voice采用全程可視化操作界面，普通用戶可快速上手，顯示出微軟打造定制化、平民化產(chǎn)品的用意。

　　微軟推出的語音合成定制服務(wù)Custom Voice 來源：微軟Custom Voice頁面

　　無獨(dú)有偶，近期谷歌人工智能實(shí)驗(yàn)室成立的 Lyrebird(琴鳥)公司，也推出了自己的定制語音合成系統(tǒng)。同微軟的Custom Voice類似，30句英文聲音錄入后，系統(tǒng)就能在“傾聽”中“掌握”每個(gè)人說話時(shí)字母、音位和單詞的發(fā)音特點(diǎn)，通過推理并模仿聲音中的情感、語調(diào)，“說”出全新語句。目前Lyrebird還存在一些缺陷，如合成語音夾雜電流聲，中文語句的錄入與合成表現(xiàn)都不理想等。

　　谷歌lyrebird(琴鳥)語音合成系統(tǒng)頁面 來源：谷歌琴鳥系統(tǒng)頁面

　　在國內(nèi)，唯一能與微軟、谷歌同臺(tái)競技的就是科大訊飛。去年2017年11月，科大訊飛推出名為“訊飛留聲”的測試版本，比微軟的Custom Voice還要早半年時(shí)間。經(jīng)過不斷優(yōu)化，訊飛留聲制作完整音庫只需10句話聲音錄入，遠(yuǎn)低于微軟采集的500句，亦低于谷歌的30句，采集量只有行業(yè)平均的百分之一，合成效果更好。

　　訊飛留聲PK谷歌的同類產(chǎn)品

　　“訊飛留聲”還以微信小程序(微信搜索“訊飛留聲Lite”小程序)的形式呈現(xiàn)，可以實(shí)現(xiàn)“即用即走”。不僅聲音制作過程更加便捷，用戶還能在微信這款中國最大的社交軟件上分享制作效果，吸引了大批用戶的關(guān)注。阿拉丁統(tǒng)計(jì)數(shù)據(jù)顯示，小程序上線1個(gè)月(截至2018年8月8日)，訊飛留聲訪問次數(shù)超過51萬 ，新用戶增長率達(dá)到568%，位居阿拉丁“成長最快小程序”周榜第13名。

　　技術(shù)實(shí)力成比拼關(guān)鍵

　　科大訊飛語音合成定制業(yè)務(wù)的快速發(fā)展，離不開其雄厚的技術(shù)實(shí)力支持。2000年之前，中文語音產(chǎn)業(yè)由國際IT巨頭控制，如微軟、IBM等。如今，科大訊飛已徹底扭轉(zhuǎn)中文語音市場幾乎全部掌握在國外公司手中的格局，成為亞太地區(qū)最大語音和人工智能上市公司。

　　科大訊飛不僅中文語音合成效果出色，在國際英文語音合成大賽上也是屢屢得冠。2006年，科大訊飛首次參加國際英文語音合成大賽(Blizzard Challenge)，即獲得自然度第一的優(yōu)異成績，至2018年已連續(xù)13年蟬聯(lián)該項(xiàng)賽事冠軍，成為該項(xiàng)賽事中唯一一家自然度超過4分(普通人說話水平)的參賽方。

　　在2018國際語音合成大賽的比賽中，科大訊飛摘得10個(gè)測評打分項(xiàng)目中的9項(xiàng)第一，成為“最全能的冠軍”

　　語音合成可以用指定情感表達(dá)，但一段文本應(yīng)該表現(xiàn)出怎樣的情感變化，涉及到語義理解和上下文分析?？拼笥嶏w除智能語音技術(shù)全球領(lǐng)先外，在自然語言理解上同樣屬業(yè)界翹楚。隨著語義和語音的融合交叉發(fā)展，科大訊飛或?qū)⒙氏冉鉀Q語音合成情感表達(dá)難題，將語音合成技術(shù)發(fā)展推向新的階段。

　　領(lǐng)先的核心技術(shù)、豐富的反饋數(shù)據(jù)以及廣闊的應(yīng)用場景，三者共同搭建起語音合成的行業(yè)壁壘?？拼笥嶏w在語音合成技術(shù)上擁有絕對優(yōu)勢，在商業(yè)落地層面同樣表現(xiàn)突出，打造出導(dǎo)航類APP中大量明星播報(bào)音庫、央視虛擬主持人解決方案等經(jīng)典案例。訊飛留聲的推出，更是開創(chuàng)了為普通用戶免費(fèi)提供定制化服務(wù)的先河。先發(fā)優(yōu)勢及強(qiáng)技術(shù)后盾加持下，科大訊飛為語音合成定制化的商業(yè)落地，落下了關(guān)鍵一子。

特別提醒：本網(wǎng)內(nèi)容轉(zhuǎn)載自其他媒體，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點(diǎn)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實(shí)，對本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾，并請自行核實(shí)相關(guān)內(nèi)容。本站不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。如若本網(wǎng)有任何內(nèi)容侵犯您的權(quán)益，請及時(shí)聯(lián)系我們，本站將會(huì)在24小時(shí)內(nèi)處理完畢。