2012年，全球最大語(yǔ)音技術(shù)廠商N(yùn)uance曾占據(jù)62%的全球語(yǔ)音市場(chǎng)。隨后，開(kāi)源語(yǔ)音工具導(dǎo)致語(yǔ)音產(chǎn)業(yè)的技術(shù)門檻降低，場(chǎng)景為王時(shí)代到來(lái)，錯(cuò)失機(jī)遇的Nuance在智能語(yǔ)音市場(chǎng)步步失守，2015年市場(chǎng)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(yǔ)音2.0時(shí)代，場(chǎng)景的重要性不言而喻。誰(shuí)能賦予聲音更多的表現(xiàn)力和個(gè)性化，誰(shuí)就能將技術(shù)適配到非標(biāo)準(zhǔn)化的廣闊場(chǎng)景中，贏得智能語(yǔ)音市場(chǎng)的未來(lái)?？萍季揞^看到這一趨勢(shì)，紛紛祭出語(yǔ)音合成“定制化”的大旗。語(yǔ)音合成技術(shù)正式進(jìn)入定制化的2.0時(shí)代。
語(yǔ)音合成定制化哪家強(qiáng)
微軟是智能語(yǔ)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(yǔ)音合成定制服務(wù)產(chǎn)品Custom Voice。將語(yǔ)音和對(duì)應(yīng)文本(500句)上傳，Custom Voice即可對(duì)聲音進(jìn)行模擬，并在線測(cè)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(yǔ)音合成定制服務(wù)Custom Voice 來(lái)源：微軟Custom Voice頁(yè)面
無(wú)獨(dú)有偶，近期谷歌人工智能實(shí)驗(yàn)室成立的 Lyrebird(琴鳥(niǎo))公司，也推出了自己的定制語(yǔ)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(tīng)”中“掌握”每個(gè)人說(shuō)話時(shí)字母、音位和單詞的發(fā)音特點(diǎn)，通過(guò)推理并模仿聲音中的情感、語(yǔ)調(diào)，“說(shuō)”出全新語(yǔ)句。目前Lyrebird還存在一些缺陷，如合成語(yǔ)音夾雜電流聲，中文語(yǔ)句的錄入與合成表現(xiàn)都不理想等。
谷歌lyrebird(琴鳥(niǎo))語(yǔ)音合成系統(tǒng)頁(yè)面 來(lái)源：谷歌琴鳥(niǎo)系統(tǒng)頁(yè)面
在國(guó)內(nèi)，唯一能與微軟、谷歌同臺(tái)競(jìng)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(cè)試版本，比微軟的Custom Voice還要早半年時(shí)間。經(jīng)過(guò)不斷優(yōu)化，訊飛留聲制作完整音庫(kù)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(guò)程更加便捷，用戶還能在微信這款中國(guó)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(wèn)次數(shù)超過(guò)51萬(wàn) ，新用戶增長(zhǎng)率達(dá)到568%，位居阿拉丁“成長(zhǎng)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(yǔ)音合成定制業(yè)務(wù)的快速發(fā)展，離不開(kāi)其雄厚的技術(shù)實(shí)力支持。2000年之前，中文語(yǔ)音產(chǎn)業(yè)由國(guó)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(yǔ)音市場(chǎng)幾乎全部掌握在國(guó)外公司手中的格局，成為亞太地區(qū)最大語(yǔ)音和人工智能上市公司。
科大訊飛不僅中文語(yǔ)音合成效果出色，在國(guó)際英文語(yǔ)音合成大賽上也是屢屢得冠。2006年，科大訊飛首次參加國(guó)際英文語(yǔ)音合成大賽(Blizzard Challenge)，即獲得自然度第一的優(yōu)異成績(jī)，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(guò)4分(普通人說(shuō)話水平)的參賽方。
在2018國(guó)際語(yǔ)音合成大賽的比賽中，科大訊飛摘得10個(gè)測(cè)評(píng)打分項(xiàng)目中的9項(xiàng)第一，成為“最全能的冠軍”
語(yǔ)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(yǔ)義理解和上下文分析?？拼笥嶏w除智能語(yǔ)音技術(shù)全球領(lǐng)先外，在自然語(yǔ)言理解上同樣屬業(yè)界翹楚。隨著語(yǔ)義和語(yǔ)音的融合交叉發(fā)展，科大訊飛或?qū)⒙氏冉鉀Q語(yǔ)音合成情感表達(dá)難題，將語(yǔ)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(chǎng)景，三者共同搭建起語(yǔ)音合成的行業(yè)壁壘?？拼笥嶏w在語(yǔ)音合成技術(shù)上擁有絕對(duì)優(yōu)勢(shì)，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(kù)、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(kāi)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(shì)及強(qiáng)技術(shù)后盾加持下，科大訊飛為語(yǔ)音合成定制化的商業(yè)落地，落下了關(guān)鍵一子。
