機(jī)器人能否“說人話”?
往往在放下手機(jī)之后你才會(huì)意識(shí)到,電話那頭的客服其實(shí)是個(gè)機(jī)器人;或者準(zhǔn)確地說,是“一位”智能客服。
沒錯(cuò),今天越來越多的工作正在被交給人工智能技術(shù)去完成,文本轉(zhuǎn)語音(TTS,Text To Speech)就是其中非常成熟的一部分。它的發(fā)展,決定了今天我們聽到的許多“人聲”,是如此地逼真,以至于和真人發(fā)聲無異。
除了我們接觸最多的智能客服,智能家居中的語音助手、可以服務(wù)聽障人士的無障礙播報(bào),甚至是新聞播報(bào)和有聲朗讀等服務(wù),事實(shí)上都基于TTS這項(xiàng)技術(shù)。它是人機(jī)對(duì)話的一部分——簡(jiǎn)單地說,就是讓機(jī)器說人話。
它被稱為同時(shí)運(yùn)用語言學(xué)和心理學(xué)的杰出之作。不過在今天,當(dāng)我們稱贊它的杰出時(shí),更多的是因?yàn)樗谠诰語音生成中表現(xiàn)出的高效。
要提升語音合成效率當(dāng)然不是一件容易的事。這里的關(guān)鍵是如何讓神經(jīng)聲碼器高效地用于序列到序列聲學(xué)模型,來提高TTS質(zhì)量。
科學(xué)家已經(jīng)開發(fā)出了很多這樣的神經(jīng)網(wǎng)絡(luò)聲碼器,例如WaveNet、Parallel WaveNet、WaveRNN、LPCNet 和 Multiband WaveRNN等,它們各有千秋。
WaveNet聲碼器可以生成高保真音頻,但在計(jì)算上它那巨大的復(fù)雜性,限制了它在實(shí)時(shí)服務(wù)中的部署;
LPCNet聲碼器利用WaveRNN架構(gòu)中語音信號(hào)處理的線性預(yù)測(cè)特性,可在單個(gè)處理器內(nèi)核上生成超實(shí)時(shí)的高質(zhì)量語音;但可惜,這對(duì)在線語音生成任務(wù)而言仍不夠高效。
科學(xué)家們希望TTS能夠在和人的“交流”中,達(dá)到讓人無感的順暢——不僅是語調(diào)上的熱情、親切,或冷靜;更要“毫無”延遲。
新的突破出現(xiàn)在騰訊。騰訊 AI Lab(人工智能實(shí)驗(yàn)室)和云小微目前已經(jīng)率先開發(fā)出了一款基于WaveRNN多頻帶線性預(yù)測(cè)的全新神經(jīng)聲碼器FeatherWave。經(jīng)過測(cè)試,這款高效高保真神經(jīng)聲碼器可以幫助用戶顯著提高語音合成效率。
英特爾的工程團(tuán)隊(duì)也參與到了這項(xiàng)開發(fā)工作中。他們把面向第三代英特爾至強(qiáng)可擴(kuò)展處理器所做的優(yōu)化進(jìn)行了全面整合,并采用了英特爾深度學(xué)習(xí)加速技術(shù)(英特爾 DL Boost)中全新集成的 16 位 Brain Floating Point (bfloat16) 功能。
bfloat16是一個(gè)精簡(jiǎn)的數(shù)據(jù)格式,與如今的32位浮點(diǎn)數(shù)(FP32)相比,bfloat16只通過一半的比特?cái)?shù)且僅需對(duì)軟件做出很小程度的修改,就可達(dá)到與FP32同等水平的模型精度;與半浮點(diǎn)精度 (FP16) 相比,它可為深度學(xué)習(xí)工作負(fù)載提供更大的動(dòng)態(tài)范圍;與此同時(shí),它無需使用校準(zhǔn)數(shù)據(jù)進(jìn)行量化/去量化操作,因此比 INT8 更方便。這些優(yōu)勢(shì)不僅讓它進(jìn)一步提升了模型推理能力,還讓它能為模型訓(xùn)練提供支持。
事實(shí)上,英特爾至強(qiáng)可擴(kuò)展處理器本就是專為運(yùn)行復(fù)雜的人工智能工作負(fù)載而設(shè)計(jì)的。借助英特爾深度學(xué)習(xí)加速技術(shù),英特爾志強(qiáng)可擴(kuò)展處理器將嵌入式 AI 性能提升至新的高度。目前,此種處理器現(xiàn)已支持英特爾高級(jí)矢量擴(kuò)展 512 技術(shù)(英特爾AVX-512 技術(shù))和矢量神經(jīng)網(wǎng)絡(luò)指令 (VNNI)。
在騰訊推出的全新神經(jīng)聲碼器FeatherWave 聲碼器中,就應(yīng)用了這些優(yōu)化技術(shù)。
FeatherWave 聲碼器框圖

發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長度6~500個(gè)字
您提交的評(píng)論過于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)
最新活動(dòng)更多
-
3月27日立即報(bào)名>> 【工程師系列】汽車電子技術(shù)在線大會(huì)
-
4月30日立即下載>> 【村田汽車】汽車E/E架構(gòu)革新中,新智能座艙挑戰(zhàn)的解決方案
-
5月15-17日立即預(yù)約>> 【線下巡回】2025年STM32峰會(huì)
-
即日-5.15立即報(bào)名>>> 【在線會(huì)議】安森美Hyperlux™ ID系列引領(lǐng)iToF技術(shù)革新
-
5月15日立即下載>> 【白皮書】精確和高效地表征3000V/20A功率器件應(yīng)用指南
-
5月16日立即參評(píng) >> 【評(píng)選啟動(dòng)】維科杯·OFweek 2025(第十屆)人工智能行業(yè)年度評(píng)選
推薦專題
- 1 UALink規(guī)范發(fā)布:挑戰(zhàn)英偉達(dá)AI統(tǒng)治的開始
- 2 北電數(shù)智主辦酒仙橋論壇,探索AI產(chǎn)業(yè)發(fā)展新路徑
- 3 降薪、加班、裁員三重暴擊,“AI四小龍”已折戟兩家
- 4 “AI寒武紀(jì)”爆發(fā)至今,五類新物種登上歷史舞臺(tái)
- 5 國產(chǎn)智駕迎戰(zhàn)特斯拉FSD,AI含量差幾何?
- 6 光計(jì)算迎來商業(yè)化突破,但落地仍需時(shí)間
- 7 東陽光:2024年扭虧、一季度凈利大增,液冷疊加具身智能打開成長空間
- 8 地平線自動(dòng)駕駛方案解讀
- 9 封殺AI“照騙”,“淘寶們”終于不忍了?
- 10 優(yōu)必選:營收大增主靠小件,虧損繼續(xù)又逢關(guān)稅,能否乘機(jī)器人東風(fēng)翻身?