近期，權(quán)威調(diào)研機構(gòu)IDC發(fā)布了《中國AI云服務市場半年度研究報告》，就國內(nèi)主要云廠商的云上AI服務進行了調(diào)研，包括人臉人體、圖像視頻、智能語音（ASR&TTS）、對話式AI、NLP、機器學習6大類別。其中，阿里AI在智能語音、對話式AI、機器學習三大領域，獲得6個維度的第一，并以44%、57%、29%的市占率位列三大領域市場份額第一，領跑同類云服務廠商。

　　上海聚搜信息技術有限公司是阿里云的代理商網(wǎng)址:http://gzjcsc123.com/可以直接在網(wǎng)站上聯(lián)系阿里云代理商客服進行咨詢服務器架構(gòu)和配置以及優(yōu)惠價格！騰訊云產(chǎn)品http://tx.4526.cn/（聚搜營銷介紹鏈接：http://www.jusoucn.com/meiyou/）是一家致力于搜索引聚搜營銷及全網(wǎng)營銷，致力于為客戶提供搜索營銷領域的服務，幫助廣告客戶在搜索引聚搜獲取的投資回報，包括搜索引聚搜競價服務(SEM)，搜索引聚搜優(yōu)化服務（seo）和搜索營銷代運營服務，能夠有效為廣告主帶來高效的投放回報，我們的理念一直是：讓搜索營銷營銷具有價值。

　　聚搜營銷團隊于2015年在上海成立，團隊核心均來自百度搜索部門和國內(nèi)知名服務商的成員，有非常豐富的產(chǎn)品和項目優(yōu)化經(jīng)驗，這兩年來，服務于國內(nèi)很多大中型企業(yè)和很多初創(chuàng)公司，通過我們多年的經(jīng)驗和服務，幫助他們在搜索營銷領域上取得了不斷的成功。

　　數(shù)據(jù)來源：IDC《中國AI云服務市場半年度研究報告》（2019H2）

　　作為較早布局云上語音AI技術的企業(yè)，阿里巴巴通過阿里云對外提供語音原子能力、行業(yè)模型及自學習平臺等服務，給用戶「開箱即用」的行業(yè)語音解決方案。此外還推出語音識別、圖像識別、自然語言處理等多領域上百款細分AI產(chǎn)品。在達摩院的助力下，阿里云解決了AI研發(fā)的算法/算力瓶頸，加速了AI應用落地的進程。目前，阿里云語音已擁有5萬多家客戶，包括中移動、中央電視臺、招商銀行、字節(jié)跳動等，覆蓋教育、金融、出行等數(shù)十個場景。

　　在IT基礎設施全面上云的大潮下，AI產(chǎn)業(yè)結(jié)構(gòu)正在發(fā)生巨大的改變。由于傳統(tǒng)AI服務成本高、周期長、個性化能力弱等特點，云上獲取AI服務逐漸成為了企業(yè)的首選。云+AI成為了加速AI技術大規(guī)模落地的重要推手，也成為了AI語音產(chǎn)業(yè)的新入場券。

　　那么，基于云的語音服務是如何發(fā)展的？云上語音與傳統(tǒng)的語音服務有哪些差異？你該如何玩轉(zhuǎn)云+語音？帶著這些問題，CSDN近期采訪了達摩院語音實驗室負責人鄢志杰。

　　“云必然會成為語音產(chǎn)業(yè)的新入場券”

　　鄢志杰在語音技術的研究經(jīng)歷可謂「根正苗紅」，畢業(yè)于中國科學技術大學語音實驗室，專注于音識別、語音合成、語音交互、說話人識別驗證等領域的研究。畢業(yè)后在微軟亞洲研究院繼續(xù)語音方面的研究，之后加入了阿里，擔任達摩院語音實驗室負責人。正是在阿里的這段工作經(jīng)歷，讓本來深耕于AI領域的他，看到了云與AI結(jié)合的前景。他認為：“云的出現(xiàn)，讓誕生了60多年的語音技術從少數(shù)人掌握的高端工具，變成了人人可用的平民技術，云成為了語音產(chǎn)業(yè)的新入場券。”

　　縱觀語音技術的發(fā)展，可以看出這樣一個趨勢，即對細分場景的不斷「解鎖」。從最開始戴著耳麥去做簡單的語音識別，到通過命令去檢索一些簡單的信息（如某家公司的股價），再到后面以Siri為代表的手機語音助手，到現(xiàn)在以智能音箱為代表的各種智能硬件設備。語音已成為了智能設備中的標準化交互入口，放眼未來萬物都可能通過語音來進行交互。

　　傳統(tǒng)的語音技術往往掌握在兩類公司手里，一類是以操作系統(tǒng)起家的巨頭，如微軟。這類公司往往是從滿足自己操作系統(tǒng)對于殘障人士的支持為目的，加入了語音輸入的功能；第二類則是專業(yè)的語音技術廠商，如Nuance。這類公司的定位則是為其他大公司提供語音服務（這類公司很容易被這些大公司自己的語音技術部門所取代）。

　　這兩類廠商所提供的語音服務也大都是「標準化」的服務。由于行業(yè)的差異，用戶所需要的服務也千差萬別，一套「標準化」的服務很難滿足不同行業(yè)的需求。例如，同樣是客服呼叫中心，所面臨的客戶群體、對話內(nèi)容、專業(yè)術語等截然不同。而為用戶提供個性化語音服務，正是云上語音模式有別于傳統(tǒng)語音服務商的區(qū)別所在。

　　雖然「云上語音」聽起來像是一個新模式，但在鄢志杰看來卻并非如此。還以客服呼叫中心為例，以往客服中心提供商需要到客戶的辦公所在地為他們提供服務，但現(xiàn)在，這種服務從底層運算存儲到工作頁面，都已實現(xiàn)云化。在云化的基礎上，供應商發(fā)現(xiàn)云平臺還可以提供AI的能力（如智能語音），因此造就了「云上AI」的大規(guī)模落地。

　　簡單來說，「云上語音」并非是一種「新模式」，而是基于云服務的自然延伸。

　　授人以魚，不如授人以漁

　　從另一角度來看，雖然云上語音是基于云服務的一種延伸，但在服務模式上卻有著本質(zhì)的差別，總結(jié)起來一句話即「授人以漁」。

　　「授人以魚」的初衷，來自于前文提到的用戶對于個性化功能的需求。例如，在金融領域下還可細分為保險、證券、銀行等分支，一個標準化的「金融領域語音識別模型」是無法適用于多個細分分支的。

　　傳統(tǒng)的語音技術服務商走的是「自產(chǎn)自銷」模式，面向行業(yè)應用的個性化定制手段少、門檻高、周期長、成本高，導致語音技術在產(chǎn)業(yè)落地應用中進展緩慢。

　　而云上語音模式，則是將「自學習」能力開放給用戶。通過阿里云語音自學習平臺，用戶可以在完全不了解語音語言算法的情況下，通過灌注行業(yè)數(shù)據(jù)，快速定制出一套自己專屬的語音模型。用鄢志杰的話說，這相當于把原來操作復雜的單反相機，變成了傻瓜相機，用戶只要半按快門，阿里云就已經(jīng)將相應的參數(shù)優(yōu)化好了，這樣用戶就可以將全部的精力放在取景和構(gòu)圖上了（即自身的業(yè)務上）。

　　不僅如此，阿里云語音自學習平臺還具備以下幾個特點：

　　自適應，通過對領域數(shù)據(jù)的使用和知識的灌注，自動將一個80分的模型優(yōu)化到95分；

　　優(yōu)化速度快，借助于云底層平臺，模型優(yōu)化可以做到分鐘級；

　　全鏈路覆蓋，適用于各種各樣的場景，無論云上的產(chǎn)品還是私有化部署都可以使用；

　　云原生彈性賦能，云上語音服務具備傳統(tǒng)語音服務所不具備的面向海量用戶提供服務的能力；

　　多域環(huán)境支持，既支持SaaS級服務，讓用戶可以直接在平臺上做優(yōu)化；也支持PaaS級服務，用戶業(yè)務系統(tǒng)可直接進行集成。

　　除了語音自學習平臺，達摩院語音實驗室還研發(fā)出了不少「黑科技」，例如KAN-TTS語音合成技術，這一技術讓合成音與原始音頻的接近程度空前地提高到了97%（傳統(tǒng)技術的接近值為85%-90%）?；谶w移學習及多種新型算法模型，只需用手機錄音十分鐘，KAN-TTS即可根據(jù)發(fā)音人的聲音風格，快速生成高相似度的語音。目前，這一技術與其他技術一樣，被應用在了多個產(chǎn)品及服務中。

　　「云上語音」有哪些典型的應用場景？

　　“我們接觸到的終端用戶，如某某銀行，和傳統(tǒng)的語音服務提供商的終端客戶是一致的。因此我認為不存在哪種客戶是只適合傳統(tǒng)語音服務提供商而不適合云上語音服務的?！碑敱粏柕健霸粕险Z音適用于哪些場景“時，鄢志杰這樣說道。

　　在所有應用場景中，阿里語音AI在呼叫中心、電信運營商、法庭庭審中的客戶認知度，排名第一。

　　此外，在2019年，阿里語音AI還對全國首個虛擬人工智能配網(wǎng)調(diào)度員帕奇進行了支持。帕奇的「大腦」里儲存著調(diào)度規(guī)程、安全規(guī)程、分析報告等數(shù)十萬字的文本材料；還有上百TB的設備、人員、電網(wǎng)拓撲等基礎數(shù)據(jù)及5000小時語音數(shù)據(jù)。當帕奇發(fā)現(xiàn)電網(wǎng)故障時，會第一時間發(fā)出故障警告，電話聯(lián)系相關搶修專家，并準確計算出搶修專家到達搶修現(xiàn)場所需要的時間、導航路徑等。

　　帕奇上崗前，配網(wǎng)調(diào)度員每天需要接通100多個電話，通話超過200分鐘，實時監(jiān)控500條信息，配調(diào)早晚高峰期的電話同時呼入量高達40次，根本來不及接通，現(xiàn)場人員需要長時間等待。

　　而帕奇的出現(xiàn)則大大提高了調(diào)度的效率，他最多可以同時撥打200個電話，24小時不間斷工作，并準確地完成海量數(shù)據(jù)的監(jiān)視工作。他的出現(xiàn)把現(xiàn)場人員的等待時間縮短到了1分鐘。更神奇的是，帕奇不僅能對普通話對答如流，面對口音較重的老師傅，還能對杭州話、杭州蕭山話進行識別。

　　除了對外部客戶的支持，阿里語音AI也應用在了很多阿里的內(nèi)部業(yè)務上，包括阿里集團幾十個BU、近百個業(yè)務方。例如淘寶、天貓、支付寶、天貓精靈、釘釘、阿里媽媽、1688、零售通、支付寶、書旗小說、UC瀏覽器、夸克瀏覽器、盒馬、菜鳥、大麥和高德等。

　　2019年4月，達摩院語音實驗室聯(lián)合高德地圖上線了「你好小德」語音助手，支持語音搜索地點、規(guī)劃道行、信息查詢等多項功能。2019年雙十一期間，阿里語音AI支持了阿里經(jīng)濟體峰值近萬并發(fā)的智能外呼和導航業(yè)務，其中98%以上的電話客服都是由語音AI提供。這也進一步驗證了阿里語音AI背后的超大規(guī)模并發(fā)支持能力，正因如此，達摩院的云上語音技術，也在2019年被MIT Technology Review評為“2019年十大突破性技術”。

　　結(jié)束語

　　根據(jù)《中國AI云服務市場半年度研究報告》預測，2018年到2024年中國AI云服務市場的復合增長率將高達93.6%。未來3-5年，已經(jīng)部署的AI產(chǎn)品，也可能被新一代更智能的產(chǎn)品替代。這意味過去傳統(tǒng)AI/語音服務提供商的客戶，都有可能成為云服務商的客戶。

　　正如IDC報告所言，“語音語義領域，用戶重視的是服務，能不能滿足客戶的個性化需求十分重要，另外服務態(tài)度也很重要?！敝挥心茚槍τ脩舻膫€性化需求提供定制服務的，才能笑對未來的市場。