近期，權(quán)威調(diào)研機(jī)構(gòu)IDC發(fā)布了《中國AI云服務(wù)市場(chǎng)半年度研究報(bào)告》，就國內(nèi)主要云廠商的云上AI服務(wù)進(jìn)行了調(diào)研，包括人臉人體、圖像視頻、智能語音（ASR&TTS）、對(duì)話式AI、NLP、機(jī)器學(xué)習(xí)6大類別。其中，阿里AI在智能語音、對(duì)話式AI、機(jī)器學(xué)習(xí)三大領(lǐng)域，獲得6個(gè)維度的第一，并以44%、57%、29%的市占率位列三大領(lǐng)域市場(chǎng)份額第一，領(lǐng)跑同類云服務(wù)廠商。

　　上海聚搜信息技術(shù)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(jìn)行咨詢服務(wù)器架構(gòu)和配置以及優(yōu)惠價(jià)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(lǐng)域的服務(wù)，幫助廣告客戶在搜索引聚搜獲取的投資回報(bào)，包括搜索引聚搜競(jìng)價(jià)服務(wù)(SEM)，搜索引聚搜優(yōu)化服務(wù)（seo）和搜索營銷代運(yùn)營服務(wù)，能夠有效為廣告主帶來高效的投放回報(bào)，我們的理念一直是：讓搜索營銷營銷具有價(jià)值。

　　聚搜營銷團(tuán)隊(duì)于2015年在上海成立，團(tuán)隊(duì)核心均來自百度搜索部門和國內(nèi)知名服務(wù)商的成員，有非常豐富的產(chǎn)品和項(xiàng)目優(yōu)化經(jīng)驗(yàn)，這兩年來，服務(wù)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(yàn)和服務(wù)，幫助他們?cè)谒阉鳡I銷領(lǐng)域上取得了不斷的成功。

　　數(shù)據(jù)來源：IDC《中國AI云服務(wù)市場(chǎng)半年度研究報(bào)告》（2019H2）

　　作為較早布局云上語音AI技術(shù)的企業(yè)，阿里巴巴通過阿里云對(duì)外提供語音原子能力、行業(yè)模型及自學(xué)習(xí)平臺(tái)等服務(wù)，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(shí)別、圖像識(shí)別、自然語言處理等多領(lǐng)域上百款細(xì)分AI產(chǎn)品。在達(dá)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(yīng)用落地的進(jìn)程。目前，阿里云語音已擁有5萬多家客戶，包括中移動(dòng)、中央電視臺(tái)、招商銀行、字節(jié)跳動(dòng)等，覆蓋教育、金融、出行等數(shù)十個(gè)場(chǎng)景。

　　在IT基礎(chǔ)設(shè)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(wù)成本高、周期長、個(gè)性化能力弱等特點(diǎn)，云上獲取AI服務(wù)逐漸成為了企業(yè)的首選。云+AI成為了加速AI技術(shù)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(chǎng)券。

　　那么，基于云的語音服務(wù)是如何發(fā)展的？云上語音與傳統(tǒng)的語音服務(wù)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(dá)摩院語音實(shí)驗(yàn)室負(fù)責(zé)人鄢志杰。

　　“云必然會(huì)成為語音產(chǎn)業(yè)的新入場(chǎng)券”

　　鄢志杰在語音技術(shù)的研究經(jīng)歷可謂「根正苗紅」，畢業(yè)于中國科學(xué)技術(shù)大學(xué)語音實(shí)驗(yàn)室，專注于音識(shí)別、語音合成、語音交互、說話人識(shí)別驗(yàn)證等領(lǐng)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(dān)任達(dá)摩院語音實(shí)驗(yàn)室負(fù)責(zé)人。正是在阿里的這段工作經(jīng)歷，讓本來深耕于AI領(lǐng)域的他，看到了云與AI結(jié)合的前景。他認(rèn)為：“云的出現(xiàn)，讓誕生了60多年的語音技術(shù)從少數(shù)人掌握的高端工具，變成了人人可用的平民技術(shù)，云成為了語音產(chǎn)業(yè)的新入場(chǎng)券?！?/p>

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

　　傳統(tǒng)的語音技術(shù)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(duì)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(shù)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(wù)（這類公司很容易被這些大公司自己的語音技術(shù)部門所取代）。

　　這兩類廠商所提供的語音服務(wù)也大都是「標(biāo)準(zhǔn)化」的服務(wù)。由于行業(yè)的差異，用戶所需要的服務(wù)也千差萬別，一套「標(biāo)準(zhǔn)化」的服務(wù)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(duì)話內(nèi)容、專業(yè)術(shù)語等截然不同。而為用戶提供個(gè)性化語音服務(wù)，正是云上語音模式有別于傳統(tǒng)語音服務(wù)商的區(qū)別所在。

　　image

　　雖然「云上語音」聽起來像是一個(gè)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(wù)，但現(xiàn)在，這種服務(wù)從底層運(yùn)算存儲(chǔ)到工作頁面，都已實(shí)現(xiàn)云化。在云化的基礎(chǔ)上，供應(yīng)商發(fā)現(xiàn)云平臺(tái)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(wù)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(wù)的一種延伸，但在服務(wù)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(duì)于個(gè)性化功能的需求。例如，在金融領(lǐng)域下還可細(xì)分為保險(xiǎn)、證券、銀行等分支，一個(gè)標(biāo)準(zhǔn)化的「金融領(lǐng)域語音識(shí)別模型」是無法適用于多個(gè)細(xì)分分支的。

　　傳統(tǒng)的語音技術(shù)服務(wù)商走的是「自產(chǎn)自銷」模式，面向行業(yè)應(yīng)用的個(gè)性化定制手段少、門檻高、周期長、成本高，導(dǎo)致語音技術(shù)在產(chǎn)業(yè)落地應(yīng)用中進(jìn)展緩慢。

　　而云上語音模式，則是將「自學(xué)習(xí)」能力開放給用戶。通過阿里云語音自學(xué)習(xí)平臺(tái)，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(dāng)于把原來操作復(fù)雜的單反相機(jī)，變成了傻瓜相機(jī)，用戶只要半按快門，阿里云就已經(jīng)將相應(yīng)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(wù)上）。

　　不僅如此，阿里云語音自學(xué)習(xí)平臺(tái)還具備以下幾個(gè)特點(diǎn)：

　　自適應(yīng)，通過對(duì)領(lǐng)域數(shù)據(jù)的使用和知識(shí)的灌注，自動(dòng)將一個(gè)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(tái)，模型優(yōu)化可以做到分鐘級(jí)；

　　全鏈路覆蓋，適用于各種各樣的場(chǎng)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(wù)具備傳統(tǒng)語音服務(wù)所不具備的面向海量用戶提供服務(wù)的能力；

　　多域環(huán)境支持，既支持SaaS級(jí)服務(wù)，讓用戶可以直接在平臺(tái)上做優(yōu)化；也支持PaaS級(jí)服務(wù)，用戶業(yè)務(wù)系統(tǒng)可直接進(jìn)行集成。

　　除了語音自學(xué)習(xí)平臺(tái)，達(dá)摩院語音實(shí)驗(yàn)室還研發(fā)出了不少「黑科技」，例如KAN-TTS語音合成技術(shù)，這一技術(shù)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(shù)的接近值為85%-90%）?；谶w移學(xué)習(xí)及多種新型算法模型，只需用手機(jī)錄音十分鐘，KAN-TTS即可根據(jù)發(fā)音人的聲音風(fēng)格，快速生成高相似度的語音。目前，這一技術(shù)與其他技術(shù)一樣，被應(yīng)用在了多個(gè)產(chǎn)品及服務(wù)中。

　　「云上語音」有哪些典型的應(yīng)用場(chǎng)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(wù)提供商的終端客戶是一致的。因此我認(rèn)為不存在哪種客戶是只適合傳統(tǒng)語音服務(wù)提供商而不適合云上語音服務(wù)的?！碑?dāng)被問到“云上語音適用于哪些場(chǎng)景“時(shí)，鄢志杰這樣說道。

　　在所有應(yīng)用場(chǎng)景中，阿里語音AI在呼叫中心、電信運(yùn)營商、法庭庭審中的客戶認(rèn)知度，排名第一。

　　此外，在2019年，阿里語音AI還對(duì)全國首個(gè)虛擬人工智能配網(wǎng)調(diào)度員帕奇進(jìn)行了支持。帕奇的「大腦」里儲(chǔ)存著調(diào)度規(guī)程、安全規(guī)程、分析報(bào)告等數(shù)十萬字的文本材料；還有上百TB的設(shè)備、人員、電網(wǎng)拓?fù)涞然A(chǔ)數(shù)據(jù)及5000小時(shí)語音數(shù)據(jù)。當(dāng)帕奇發(fā)現(xiàn)電網(wǎng)故障時(shí)，會(huì)第一時(shí)間發(fā)出故障警告，電話聯(lián)系相關(guān)搶修專家，并準(zhǔn)確計(jì)算出搶修專家到達(dá)搶修現(xiàn)場(chǎng)所需要的時(shí)間、導(dǎo)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(gè)電話，通話超過200分鐘，實(shí)時(shí)監(jiān)控500條信息，配調(diào)早晚高峰期的電話同時(shí)呼入量高達(dá)40次，根本來不及接通，現(xiàn)場(chǎng)人員需要長時(shí)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(shí)撥打200個(gè)電話，24小時(shí)不間斷工作，并準(zhǔn)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(chǎng)人員的等待時(shí)間縮短到了1分鐘。更神奇的是，帕奇不僅能對(duì)普通話對(duì)答如流，面對(duì)口音較重的老師傅，還能對(duì)杭州話、杭州蕭山話進(jìn)行識(shí)別。

　　除了對(duì)外部客戶的支持，阿里語音AI也應(yīng)用在了很多阿里的內(nèi)部業(yè)務(wù)上，包括阿里集團(tuán)幾十個(gè)BU、近百個(gè)業(yè)務(wù)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(dá)摩院語音實(shí)驗(yàn)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(diǎn)、規(guī)劃道行、信息查詢等多項(xiàng)功能。2019年雙十一期間，阿里語音AI支持了阿里經(jīng)濟(jì)體峰值近萬并發(fā)的智能外呼和導(dǎo)航業(yè)務(wù)，其中98%以上的電話客服都是由語音AI提供。這也進(jìn)一步驗(yàn)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(dá)摩院的云上語音技術(shù)，也在2019年被MIT Technology Review評(píng)為“2019年十大突破性技術(shù)”。