科大讯飞AI之路上的传道授业解惑

2018年7月，科大讯飞发布了一款小程序应用——讯飞留声（微信搜索讯飞留声Lite）。这是一款免费定制个人音库的小程序，用户根据引导录制10句话样本，10分钟左右的时间，其深度学习模型就可以训练出用户的完整音库，从而能将任意文本转换为用户的声音，且做到音色高保真还原，朗读的语气、语调、情感也堪比真人。

讯飞留声是目前全球范围内，用户能体验到的最便捷、最成熟的个人音库定制产品。相比之下，微软和谷歌的同类型产品还停留在概念宣贯或内测的阶段，而国内的人工智能公司更难望其项背。虽然讯飞留声现阶段还是一个测试版本，但随着产品迭代，功能会逐步完善，应用闭环生态也会慢慢成型。未来还有很多想象空间，但眼下，讯飞留声的意义仿佛是让一个只会模仿大人说话的小孩顿开心智，开启自己的个性表达。

几乎所有人都认为，第三次AI浪潮将带领我们进入一个真正的人工智能世界。但人工智能并非新物种，它曾经被冷落甚至夭折。这一次，它若能茁壮成长、健步如飞，一定离不开师者对其传道授业解惑，科大讯飞正是这一角色。

科大讯飞从成立之初就坚定了智能语音这一领域，19年坚持源头创新。智能语音对于AI行业来说，最直观的理解是当机器设备“能听会说”时，才具备智能的可能性。好比小孩子只有能听懂指令，能表达想法才能开阔思维。讯飞在“教导”尚年幼的AI能听会说方面的建树也是有目共睹的。

经过8年的成长，截至2018年6月，讯飞输入法用户数突破6亿，语音识别率提升至98%，不仅做到一分钟识别400字，还支持多语种实时语音翻译、超长语音输入、耳语输入、离线语音输入、方言输入（目前讯飞输入法支持23种方言，其中粤语、四川话、东北话等识别率均已超过90%）。，语音修改可以在使用语音输入的过程中通过自然语言说出指令，进行修改、添增、删除文字等操作。通过讯飞开放平台将语音识别的技术赋予行业伙伴，“能听”为人工智能大步向前迈进打下基础。

“会说”方面，科大讯飞被公认为全世界“最会说”的人工智能“嘴巴”。前不久结束的Blizzard Challenge 2018比赛中，科大讯飞报送的参赛系统摘得10个测评打分项目中的9项第一，成为“最全能的冠军”（参赛者如果只获得某一两个单项的第一并不足谓冠军）。这也是讯飞连续13年蝉联该大赛冠军。从2005年比赛诞生以来，尚无第二家机构可以拿下13连冠，也没有一家可以超越科大讯飞拥有的测评项目第一的数量。

语音合成涉及声学、语言学、数字信号处理、计算机科学等多个学科技术，实现将文字信息转化为可听的声音信息。Blizzard Challenge的评测项目共有4个，分别是相似度、自然度、错误率、段落总体感觉。其中段落总体感觉又分为6个分项愉悦感、停顿节奏、重读、声调、情感、耐听性。在这些方面，讯飞代表了当今语音技术领域的世界一流水平。讯飞留声正是按照Blizzard Challenge对语音合成的严苛要求打造的个人音库定制平台。难能可贵的是，这是全球将工业级解决方案精简成普通消费者能体验和应用的软件，让普通人体验复刻自己声音的奇妙之旅。

值得注意的是，这些成绩单是讯飞“顺便”取得的，或者说是技术创新下水到渠成的结果。讯飞深知，人工智能并不是搞军备竞赛，而是要在正确的方向上坚持创新突破，并将领先于全球的核心能力，通过开放平台赋予整个行业和所有从业者，形成良性生态，共同攻克人工智能的难题，共同推进人工智能的发展——这就是科大讯飞对于人工智能行业的传道授业解惑！未来，科大讯飞会继续引领行业方向，激发全行业的创新浪潮。或许AI行业的百花齐放就是对行业良师的青出于蓝，也是这个行业能繁荣向前的教学相长。