人機交互新藍海——語音合成

當今很多可以接觸到人工智慧產品並應用場景，如：智能家居、智能機器人、智能音箱、虛擬偶像、有聲讀物、教育行業等等。無論是放在家裡還是郊遊場景，曼妙的合成音好像已經成為一個新的人物IP，雖然有時候還是不夠聰明，但是很多電子發燒友願意給予更多的耐心，並且逐漸把他們物化成生命中的夥伴。

在大家過癮的背後，卻是產業鏈條的從業者推動著細微點滴的進步，日積累月，方可見今日之成果。

關於身邊的智能音箱背後技術鏈條你知道多少？

首先我給大家普及一下智能音箱這種新興的交互方式由哪些技術模塊給予支撐的？語音交互過程分為信息輸入、信息處理和信息輸出三步，相對應的技術便是語音識別、語義分析（自然語言處理）和語音合成。

知識點1：語音識別和語義分析早成紅海咯

過去幾年，語音識別一直是社會關注的熱點，科大訊飛和搜狗在識別準確率上你追我趕；語義分析里的自然語言處理技術也得到了大規模商業化應用，各種智能客服、聊天機器人如雨後春筍般出現，可是唯獨語音合成技術無人問津，顯得格外冷門。

但是，2018年以來，語音合成市場需求激增。據資深人士說：「很多從事做語音識別的大牛現在轉型做語音合成。以一些公司為例，她之前對合成的重視程度不是特別高，但從去年開始，重心逐漸轉向合成」。

知識點2：語音合成新藍海，你是不是又錯過了？

語音合成又稱文語轉換，指通過機械的、電子的方法產生人造語音的技術。過去語音交互市場環境是很多年企業都在做識別，對合成的關注不多。但現在很多領域對聲音的合成效果要求越來越高，比如各類智能玩具、家電等都要語音交互。

簡而言之，以前的聲音只要能用就行，現在隨著個性化產品的豐富，更好的展現產品的應用場景和用戶體驗。定製化的需求越來越高，聲音出來之後產品和場景有較好的契合度。

縱觀國內語音合成市場，科大訊飛、百度、捷通華聲等巨頭早已推出語音合成開放平台，提供標準化服務。繆冠瓊認為，標準化的服務難以滿足個性化的需求，尤其是對於中小企業。

知識點3：標貝科技因為專註，所以ALL IN

作為語音產業鏈的中游企業，標貝科技的客戶來源能很好反映市場環境。繆冠瓊介紹，標貝科技客戶有兩類：一類是大公司，他們一般有能力做合成技術研發，但是欠缺數據，需要找我們來做；另一類是中小企業，今年以來中小企業的定製化服務比較旺盛。他們除了缺數據，演算法也沒有能力來做（因為研發的成本非常高，有經驗的開發人員也非常難找），標貝科技為其提供系統化解決方案。

值得一提的是，標貝科技不僅有合成技術，還有超長自有語音庫。據了解，在TTS前端訓練集方面，標貝擁有15萬句以上韻律訓練集，15萬句以上分詞詞性訓練集，15萬句以上多音字訓練集以及10萬句TN訓練集。

目前，標貝科技已為百度、騰訊、滴滴、搜狗、Rokid、暴風集團、出門問問、Roobo、喜馬拉雅FM、獵豹移動等眾多客戶，建立了長期穩定的合作關係。

你以為語音合成就這麼簡單嗎？答案：NO

標貝科技在完成語音數據產品交付後，服務才剛開始，有一把好的劍，也需要一流的劍客才能用好。語音數據產品在交付後，客戶還需要做一些調試和完善，但這個過程如果處理不好，往往讓產品體驗效果大打折扣。而客戶也納悶：到底是哪裡出了問題呢？標貝科技還在充當著指導劍客如何使用好劍的老師傅。

「老師傅」標貝科技近日發布的TTS（語音合成應用的一種）評測系統，正為客戶解決這類頭痛的問題。

通俗來講，TTS系統可分為前端和後端兩部分，前端完成輸入文本的歸一化、分詞、發音預測、韻律結構預測的處理；後端對聲音建模，通過學習得到聲音參數合成聲音。由於自然語音本身的複雜性和開放性，前端處理部分難度大，需覆蓋面廣，導致該部分一直是語音合成領域的重點和難點。

具體而言，標貝科技評測系統主要分為三大模塊，客觀評測、評分評測和綜合評測。

1、合成客觀評測主要體現為合成系統前端的韻律、多音字、數字元號及分詞詞性四個模塊；

2、合成評分評測，本評測模塊以代表不同的TTS用戶群體的評測人員，分別以橫向和縱向兩種不同的方式對TTS合成系統的語音進行評分。目的在於讓用戶了解自身TTS系統的可優化空間及市場競爭力；

3、綜合評測，通過對合成測試集10個領域的樣本進行深入分析，從文本分析問題、韻律層級預測問題、聲學參數生成問題和聲碼器問題等方面，對合成系統進行全面綜合的剖析，形成評測報告。評測報告分兩部分：第一部分是機器合成生成的，用戶下載測試集之後，可生成一個在線的檢測結果；第二部分是更深度的人工評測。目前全部是免費評測。用戶通過評測，可以更深入地了解合成系統的關鍵問題所在，更高效地達到提升系統合成效果的目的。

估計你讀到這裡大概知道一隻流暢對話的智能音箱來之不易，儘管我們今天只是介紹了第三部分語音合成的標杆性企業標貝科技新產品的TTS測評系統，你仍然能夠感受到語音交互是未來，而這種未來是建立在成千上萬的研發人員，工程師、以及語音數據服務商日夜耕耘的基礎上，他們對你說講的每一句都悉心聽取，他們對你的每一次語音交互都抱著期待的希望，他們對你的每次語音合成再現優質體驗都全力以赴......

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！