近日，在剛剛落幕的“Blizzard Challenge 2018 ”語音合成大賽上，來自中國的新銳隊伍搜狗公司首次參賽，就一舉戰勝諸多國際頂尖科研機構，獲得了可懂度和語音停頓兩項任務中排名第一的優異成績。這充分體現了搜狗在語音技術領域的領先地位，彰顯了搜狗在人工智能行業的積累成就。
語音合成技術，挑戰人工智能的表達能力
Blizzard Challenge (以下簡稱BC)，是語音合成領域最具權威性、廣泛性的國際評測比賽。該賽事由美國卡耐基－梅隆大學(Carnegie Mellon University)、日本名古屋工業大學等聯合發起的公開的語音合成技術的評測平臺，加強世界各地語音合成研究機構之間的交流與溝通，促進語音合成技術的深入發展。
Blizzard Challenge始於2005年，作為國際上規模最大、影響力最大的語音合成大賽（英語為主），每年都吸引眾多國際一流的科研單位和一流企業參賽，包括CMU（美國卡耐基－梅隆大學）、Cambridge University(英國劍橋大學)、University of Edinburge(英國愛丁堡大學)、Nitech (日本名古屋工業大學)、科大訊飛、中科院自動化所等國內外語音合成領域的頂尖高手。
語音合成又稱文語轉換技術（簡稱TTS），能將任意文字轉化為清晰自然、富有表現力的語音朗讀出來，相當於給機器裝上了人工嘴巴。它涉及聲學、語言學、數字信號處理、計算機科學等多個學科技術，是信息處理領域的一項前沿技術，受到了國內外各大科技公司的爭相研究，被廣泛應用在智能客服、新聞播報、語音導航等眾多場景之中。
技術為先，搜狗領跑AI前沿賽道
某種意義上來看，誰在語音合成技術上佔據優勢，誰就很可能搶先完成AI應用的突破。
由於今年BC 2018的數據與2017年完全相同（2016年僅提供了部分），許多企業和研究機構連續多年參賽，有豐富的數據積累和實戰經驗。而搜狗作為新銳隊伍首次參加比賽，在時間緊、對手強的困難條件下，憑藉紮實過硬的技術積累，最終在可懂度和語音停頓兩項任務中排名第一，而搜狗之所以能取勝，離不開在合成技術的持續投入和積累。
圖 1. Sogou speech synthesis system
我們知道，AI離不開數據的訓練。搜狗充分利用大數據語音資源進行模型訓練，保證輸出聲學特徵的穩定性。由於本次比賽所用的音庫規模小、表現力強，搜狗還對合成系統（見圖1）的各個模塊，包括特徵選擇、前端文本分析、時長模型及聲學模型，都進行了針對性優化，進一步提升合成語音的整體效果。同時，使用先進的WaveNet（見下圖）波形建模技術替換傳統的聲碼器，使合成語音音質更加接近原始錄音。
（The WaveNet model architecture Sogou used）
任何技術的推動，都少不了生活場景中的呈現，語音合成技術之所以意義重大，正是由於它有著非常廣泛的垂直場景應用，屬於AI行業的前沿陣地。早在2012年，搜狗就開始語音合成技術的研究，經過多年的技術沉澱和數據積累，目前已具備多語種多音色的語音合成能力，並在業內首推個性化語音合成和情感遷移的技術，用戶上傳少量音頻，即可合成高質量的個性化音色，並且能快速遷移成多種講話風格(相聲貫口、唱歌、繞口令等)，合成效果達到國際領先水平。搜狗語音合成廣泛應用於搜狗汪仔、糖貓、搜狗翻譯機、搜狗百科、立知等眾多軟硬件產品，與海爾、蔚來汽車、央視財經等公司也有深度合作，真正實現了讓機器像人類一樣去表達信息。
毫無疑問，在語音合成領域搜狗已佔據了技術優勢，並搶先完成了市場應用的產品佈局。
未來，搜狗的AI之路將通向何方？
搜狗CEO王小川就曾說過：“搜狗構造自己的AI 能力，就是以語言為核心，上層是感知系統——包括語音與圖像，下層包括對話、翻譯、問答，這是搜狗整體理解AI的切入點。”
王小川的這段話，正是搜狗AI戰略的最好詮釋。
此前，搜狗就取得了WMT2017國際機器翻譯大賽的第一名，從愛丁堡大學、加拿大的NRC、俄勒岡州立大學、羅徹斯特大學、烏普薩拉大學、美國空軍研究實驗室等20多家國際知名的機構中脫穎而出。而在上個月，搜狗的視覺研究團隊獲得CVPR WAD2018 挑戰賽冠軍，代表中國向全世界展現了“目標檢測技術”的成就，掌握了人工智能的“眼睛”，決定了機器的行動力與判斷力。
這一次，搜狗在Blizzard Challenge 2018上獲得語音合成大賽冠軍，無疑是更進一步彰顯了自身的技術優勢。
佔據了行業領先地位的搜狗，堅定的在AI領域開拓著自己的道路，今年更是在智能硬件領域大展身手。2018年3月，搜狗推出了搜狗旅行翻譯寶，具備離線翻譯功能與拍照翻譯功能，讓馬化騰都忍不住心動的買了一臺。作為首款智能翻譯硬件，它支持42種語言對話翻譯，解決了旅遊場景中用戶聽不懂、看不懂、不會說等真實痛點。該項產品在京東平臺首發當日即告售罄，首日銷售額破千萬。與此同時，搜狗還推出了錄音翻譯筆，提供錄音轉寫、對話翻譯、同聲傳譯等功能，把AI同傳落地到了消費級產品之中，開啟了“人人都能擁有同傳”的新時代。
在這條人工智能的道路上，以搜狗為代表的國產科技巨頭公司，已佔據了技術方面的領跑優勢。我們期待，未來還能感受到更多的AI驚喜。
閱讀更多 智東西 的文章
