让机器"能听会说" 科大讯飞打造服务全人类的"中国好声音"

　　登录讯飞“语音云”，央视主持人为你读书讲报；开启导航软件，林志玲等明星为你播报路况；步入少数民族地区，“畅言教具”轻松实现多语种教学……日前，科大讯飞在国际语音合成大赛上成功实现“九连冠”，并在京发布新版灵犀语音助手等多款智能家庭语音产品，同时宣布启动人工智能计划“讯飞超脑”，智能语音技术再次成为社会关注的热点。

　　 语音王国实现“九连冠”

　　“连续9年稳居世界冠军宝座，充分巩固了讯飞技术在‘语音王国’的领跑地位。 ”中科大语音及语言信息处理国家工程实验室副教授凌震华表示。日前，在国际语音合成大赛上，由科大讯飞与该实验室联合报送的参赛系统，在25项语音测试指标中11项居世界第一，取得了所有参赛系统中最好的综合表现，这是科大讯飞自2006年起第9次夺得该项赛事桂冠。

　　所谓语音合成技术，就是通过机械、电子的方法产生人造语音。 “让计算机像人一样开口说话”，这正是科大讯飞创业之初的梦想。早在十八世纪，人类就发明机械式语音合成器，用风箱模拟肺部、簧片模拟声带，以皮革制成的共振腔模拟声道，通过改变共振腔的形状，合成出不同的元音。 1939年，美国贝尔实验室首次制作出一个电子合成器；上世纪90年代，随着计算机技术的发展，语音单元挑选与波形拼接合成方法逐渐成熟并商用；二十一世纪以来，语音合成技术逐步达到真人说话水平，嵌入式语音芯片广泛应用于各种电子产品。

　　当前，智能语音技术已成为发达国家竞争的热点和焦点。作为国际上规模最大、最具影响力的语音合成比赛，国际语音合成大赛每年都吸引众多世界知名机构参赛。在这一高手云集的国际顶级赛事上，科大讯飞一亮相便震惊国际语音学界：2006年，首次参赛就获得可懂度、自然度双项第一；2008年，更是在自然度测试中首次超过真人发音水平。

　　“11项语音指标世界第一，再次证明核心技术的国际领先优势。 ”科大讯飞研究院研究员江源介绍，与往届相比，本届大赛首次将主要测试语种由英语转换到非英语语种，要求提交的合成系统包括印地语、阿萨姆语等6种印度语种，难度前所未有。但在比赛中，科大讯飞采用基于统计声学模型的单元挑选与参数合成技术方案，提出并实现基于深度神经网络的合成新方法，进一步提高了合成语音质量。最终，提交的参赛系统获得印地语合成语音相似度与可懂度、印地语英语混读合成语音相似度与自然度等11个指标的第一名。

　　 创新把握产业“话语权”

　　“只有依靠创新实现核心技术领先，才可能在激烈的竞争中立足、生存、发展。 ”科大讯飞董事长刘庆峰始终认为，创新是企业的生命，没有创新一切免谈。

　　2000年以前，中文语音产业大多控制在国外公司手中，微软、IBM、Intel等国际巨头纷纷在中国设立语音研究基地，国内语音专业优秀毕业生基本上全部外流。“中文语音技术应当由中国人做到全球最好，中文语音产业要掌握在中国人自己手中。”本着这样的理念，科大讯飞于1999年成立，历经15年的自主创新，如今不仅抢回了中文语音产业“话语权”，占有中文语音技术市场60%以上份额、语音合成产品市场70%以上份额，而且将智能语音技术做到了全球最高水平，成为亚太地区最大的语音上市公司，产品遍及电信、金融、教育等诸多领域。

　　强大的核心技术和语音资源，是获得“九连冠”的关键。中科大副教授凌震华表示，仅就语音合成而言，科大讯飞2006年首次提出基于统计声学模型的单元挑选语音合成方法，已成为业界普遍采用的方法。近年来，深度学习技术成为机器学习、人工智能、信号与信息处理等领域的研究热点，讯飞又率先将该技术应用于语音合成，有效地提升了语音合成的音质与自然度。在资源上，讯飞目前拥有40余个专业发音人音库、500人左右的常驻语音数据处理团队，背后还拥有一个庞大的在线平台。常年合作的中国社科院语言所等专家资源，在全国更是独一无二。

　　“我们的事业影响着中国的未来。 ”这是科大讯飞人的格言。凭借自主创新的力量，科大讯飞2003年、2011年两度获“国家科技进步奖”。 2010年，讯飞在全球率先推出能同时提供语音合成、语音搜索、语音听写等智能语音交互能力的移动互联网智能交互平台——讯飞语音云，这一技术的实现比苹果公司的“siri智能语音助手”整整提前一年。刘庆峰介绍，新版语音云又增加了方言、人脸、手势、声纹识别等多个创新功能，用户已突破3亿人、合作伙伴或开发者超过4万家，不仅牢牢把握了民族语音产业先机，对国家信息安全也具有重要战略意义。

　 　智能家庭迎来“新声活”

　　无论开车、看电视，还是玩手机，动动嘴就能“下命令”，实现与智能硬件的“自由沟通”……日前，科大讯飞在京举行智能家庭语音产品发布会，推出新版灵犀语音助手、新版讯飞语音云、讯飞智能音箱、智能电视“未来遥控”、声控车载等多款新产品，并启动人工智能计划——“讯飞超脑”，力争未来让机器像人脑一样学习和思考。

　　在发布会现场，刘庆峰对着新版灵犀语音助手说“开一盏灯，灯光调成白色”，灵犀迅速把展示区电灯打开，并调整灯光颜色；对着灵犀说“打开空调”，此时空调自动打开，灵犀回复“空调已经开启，温度为26℃。”接着，他又对着灵犀说“打开央视新闻频道，帮我煮杯咖啡”，智能电视自动播放想看的节目，同时咖啡机也工作起来。刘庆峰透露，新版灵犀语音助手加入“智能家电”模块，通过自动成功扫描添加智能电视、智能空调、智能电灯等设备，即成功实现“声控”智能家庭，目前讯飞与美的、格力、海尔等大型家电企业均已达成合作意向。

　　语音合成惟妙惟肖、语音识别持续升级、人脸识别准确度超过99%……最新上线的新版讯飞语音云，支持多语种、多音色语音合成，可以随心所欲定制个性化语音合成，且更具表现力和感染力；将深度神经网络技术应用于语音识别中，在每小时120公里车速环境下，识别率依旧超过85%，是全球唯一在如此高速环境下保持高识别率的语音技术供应商，同时在奔驰和通用全球语音测评中荣获第一名。除了基础能力持续提升外，还将国际顶尖的人脸识别技术应用于讯飞语音云，人脸识别率高达99.15%，比肉眼更准确。

　　“基于类人神经网络的讯飞超脑，预期可实现世界上第一个中文认知智能计算引擎。”“讯飞超脑”计划组长江辉教授说，这一计划聚集了语音及语言信息处理国家工程实验室、清华大学、加拿大约克大学等10多位人工智能领域顶级专家，未来“讯飞超脑”不仅能听懂话，而且更能“懂你”，从而实现机器从“能听会说”到能理解、会思考的跨越。

　　“自然人机交互将助推下一轮信息产业浪潮。 ”刘庆峰表示，科大讯飞今后将在继续保持核心技术国际领先的基础上，推动核心技术面向教育、面向移动互联网、面向电视、车展以及智能家居，形成“软件+硬件”“软件+服务”解决方案，推动自主产业快速成长，并着力打造国际智能语音产业园，最终在安徽形成千亿元的语音相关产业。(桂运安)