今日，獵豹移動董事長兼CEO傅盛在自己的抖音號上發(fā)布了一條視頻。作為一名“科技樂觀主義者”，傅盛和世界上的另一個“自己”進行了一場隔空對話。短短幾十秒里，機器人“傅盛”的對答、繞口令樣樣精通。即使是仔細辨別，你也很難確認哪一個才是真正的傅盛。
能夠達到如此驚艷的效果，其實要歸功于獵豹移動旗下人工智能公司獵戶星空研發(fā)的語音合成技術。只要聽十段你的話，就可以克隆你的聲音，聽起來是不是很炫酷?
在人機交互的過程中，與用戶體驗感直接相關的，就是語音合成技術。這項技術是將文字轉(zhuǎn)化為聲音，可以簡單地理解為人類的嘴巴。大家在各種智能語音助手中聽到的聲音，都是由TTS來生成的。所以，讓TTS合成的語音能夠“以假亂真”，正是TTS領域長期以來不斷探索的主題。
傳統(tǒng)的TTS都是怎么做的?
在看獵戶星空如何實現(xiàn)“以小取大”的效果時，我們可以先看看以往的TTS是如何實現(xiàn)的。
傳統(tǒng)的TTS系統(tǒng)通常包括前端、后端兩個模塊。前端模塊主要負責對輸入文本進行分析，提取語言學信息，如果是中文還涉及文本正則化、分詞、詞性預測、多音字消歧、韻律預測等，后端模塊根據(jù)前端的分析結(jié)果，通過一定的方法生成語音波形。
后端系統(tǒng)的主流技術有兩種，一種是基于統(tǒng)計參數(shù)建模的語音合成，或者叫做參數(shù)合成、參數(shù)法，優(yōu)點是所需語料庫少，幾千句即可，訓練與合成過程也都可以由程序自動完成，但缺點是語音質(zhì)量不高，情感韻律平淡。
現(xiàn)在大家地圖導航軟件中的聽到的明星音，針對導航場景錄制了幾千句的語料，不僅聲音生澀感強，而且需要的成本和周期較長，在其他領域的聲音效果不是很好。如果用戶預期不苛刻，這樣一種方式也未嘗不可。
另一種是基于單元挑選和波形拼接的語音合成，或者叫做拼接合成、拼接法，與參數(shù)法相反，優(yōu)點是合成語音自然度很好，缺點就是數(shù)據(jù)要求太大，至少萬句語料才能滿足商用需求，一些廠商會請聲優(yōu)為其智能產(chǎn)品錄制語料庫，前后時間長達數(shù)月，花費動輒幾百萬。
獵戶星空：十段話合成人聲
魚和熊掌不可兼得，傳統(tǒng)的TTS存在著或多或少的問題。所以這個領域的核心，在于如何降低訓練成本，用更少的語料合成高質(zhì)量的聲音。
隨著人工智能、深度學習的應用，TTS也迎來了新的變革。2017年3月，Google 提出了一種新的端到端的語音合成系統(tǒng)：Tacotron。它可將接收的輸入字符，輸出成相應的原始頻譜圖，然后提供給Griffin-Lim重建算法生成語音。2017年底，Tacotron 2結(jié)合了WaveNet和Tacotron的優(yōu)勢，不需要任何語法知識即可直接輸出文本對應的語音。
在已有的技術創(chuàng)新鋪墊下，獵戶星空TTS團隊在Tactron的基礎上，訓練了大語料庫的語音庫作為基礎模型，目標發(fā)音人只需要錄制10段話，通過Adapt自適應模型，提取出目標發(fā)音人的特征，再通過World聲碼器，即可合成出目標發(fā)音人音色相同的語音。
所以，這項技術真正落地商用后，將為明星語音、個性化語音的合成帶來重大突破，尤其是很大程度上減少明星音合成的成本、縮短應用研發(fā)的周期。
想象一下，以后你的語音助手中住著你喜歡的明星或心愛的人，每天都可以和TA互動聊天，仿佛TA就是你的私人小秘書，是不是有點小激動呢?
除此之外，獵戶星空已掌握麥克風陣列、語音喚醒、語音識別、語義理解和語音合成等全套遠場語音技術，語音交互更快更準，垂直領域深度語義理解正確率96%，還首創(chuàng)了喚醒后人聲回應。
獵戶語音OS成為行業(yè)標配
在上文提到技術能力支撐之下，獵戶星空打造了獵戶tts——這個星球最溫暖的AI聲音。目前獵戶語音OS技術已經(jīng)應用到了小米小愛同學、美的小美AI音箱、喜馬拉雅小雅音箱、獵豹移動小豹AI音箱、華為智能AI音箱等多家合作伙伴產(chǎn)品中，已經(jīng)成為行業(yè)標配。
截至目前，搭載獵戶語音合成技術的智能音箱產(chǎn)品在國內(nèi)份額已超30%，每天都超過2000萬次語音服務請求，比如小米AI助理小愛同學月活躍設備超過3000萬臺，累計喚醒超50億次。
10月15日，中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟(AIIA)在人工智能開發(fā)者大會公布了國內(nèi)智能音箱智能化評級結(jié)果，包括獵豹移動、小米、喜馬拉雅、百度、京東在內(nèi)的五家主流廠商攜其智能音箱產(chǎn)品參與了首批測試評估。獵戶語音OS占據(jù)了獲評產(chǎn)品前五強中的三席，支撐起了智能音箱市場的大半壁江山。
結(jié)合自身人機交互的產(chǎn)品基因和獵戶星空擁有的行業(yè)唯一的全鏈條AI技術，獵豹移動也在不同行業(yè)推動人工智能產(chǎn)品的場景化落地。未來,獵豹移動與旗下獵戶星空還會將自主研發(fā)的視覺、導航、語音、機械臂技術等核心能力逐步對外開放,與合作伙伴一起,讓機器人產(chǎn)品走進大眾生活。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
2023年7月6日,第六屆世界人工智能大會(WAIC2023)在上海開幕,“人工智能大模型”是本屆大會的備受矚目的話題,據(jù)悉,在昇騰AI大模型的創(chuàng)新研發(fā)中,華為聯(lián)手26家行業(yè)領軍企業(yè),組建了一支協(xié)同創(chuàng)新的“AI明星隊”,云天勵飛作為中國人工智能企業(yè)的杰出代表,和互聯(lián)網(wǎng)大廠、運營商、科研院所等優(yōu)秀團隊
這幾個月來，以ChatGPT為代表的生成式AI展現(xiàn)出的能力令世界驚嘆。自從2016年AlphaGo戰(zhàn)勝李世石掀起了一波AI浪潮后，AI仿佛已經(jīng)沉寂了很久，ChatGPT的橫空出世就如同一束耀眼的光芒，讓AI這個名詞重回C位。過去在AI1.0時代，主要通過訓練模型來實現(xiàn)圖像識別、聲音識別、語言處理等特
文：互聯(lián)網(wǎng)江湖作者：志剛2023年的IoT需要一個新故事。6月29日，涂鴉智能在開發(fā)者大會上，發(fā)布了企業(yè)級戰(zhàn)略PaaS2.0，希望通過一個平臺+四大開發(fā)服務，建立起IoT生態(tài)。對于這場發(fā)布會，市場的態(tài)度是積極的。美東時間6月29日收盤，涂鴉智能美股股價上漲5.6%，來到1.87美元/股。近日股價穩(wěn)定
美團曾經(jīng)的二號人物王慧文對標OpenAI的創(chuàng)業(yè)項目光年之外，以20億賣給美團，再度引發(fā)市場對大模型的熱議。
2020年底，王慧文在朋友圈寫下這句話時，外界本以為這位伴隨中國互聯(lián)網(wǎng)發(fā)展而持續(xù)創(chuàng)業(yè)20年的人物即將告別創(chuàng)業(yè)舞臺。但是，一個曾經(jīng)多次創(chuàng)業(yè)，正值壯年的互聯(lián)網(wǎng)老將心中的創(chuàng)業(yè)熱情是難以熄滅的。
Manus撕開一道真相
文/八真來源/節(jié)點財經(jīng)具身智能賽道，誰最有可能拔得A股資本市場的頭籌？答案大概率是誕生剛剛兩年，由華為"天才少年"、B站百萬粉絲科技UP主稚暉君（彭志輝）創(chuàng)立的智元機器人。近期，從事新材料研發(fā)與生產(chǎn)的上緯新材（688585.SH）丟出重磅炸彈，宣布智元機器人及相關主體將通過收購其至少63.62%的股
文/道哥大舉裁員、清空賬號、國內(nèi)IP無法訪問——曾被譽為“中國AIAgent希望之星”的Manus，在估值飆至5億美元的高光時刻“閃離”中國市場。近日，Manus“裁員、出走”的消息在媒體端大量發(fā)酵。消息稱，Manus公司總部將由中國遷至新加坡，其國內(nèi)團隊也將大幅裁撤——原有120人規(guī)模團隊除40余
四個月前邀請碼炒至10萬元，如今官網(wǎng)變灰、社交賬號清空，這家AI新貴的閃電遷移折射中國科技企業(yè)出海潮涌。7月11日，打開Manus官網(wǎng)的用戶發(fā)現(xiàn)一則突兀提示：“Manus在你所在的地區(qū)不可用”。而就在不久前，這個位置還顯示著“Manus中文版本正在開發(fā)中”的樂觀聲明。同時，Manus官方微博和小紅書
文/十界來源/節(jié)點財經(jīng)一場圍繞算力自主的競賽，正在科創(chuàng)板上演。近日，國產(chǎn)全功能GPU廠商摩爾線程遞交科創(chuàng)板招股書，擬募資約80億人民幣，成為今年上半年科創(chuàng)板擬募資規(guī)模最大的沖刺者，也打響了“國產(chǎn)英偉達”上市的第一槍。據(jù)招股書顯示，摩爾線程自2020年成立以來，主營全功能GPU芯片的研發(fā)與銷售，以自主
“AI大模型六小虎”百川智能危機重重。這是前搜狗CEO王小川創(chuàng)辦的AI公司。昨天就爆出新聞，百川智能的聯(lián)合創(chuàng)始人離職，這是王小川入局AI的第一道大坎。接下的成敗非常關鍵：(1)拿下河北(2)學習科大訊飛百川智能離職高端概覽：(1)2025年7月10日，百川智能技術聯(lián)合創(chuàng)始人謝劍將離職。他是百川只能的
百度AI團隊今日正式推出PaddleOCR3.1版本，以突破性的多語言組合識別（MultilingualCompositionPerception,MCP）技術為核心，徹底重構(gòu)復雜文檔處理邊界。此次升級標志著OCR領域首次實現(xiàn)對同一文檔內(nèi)任意混合語言文本的精準識別，為全球化企業(yè)、跨境業(yè)務及多元文化場
