佛法学院宣布语音AI的新进展：移动终端还可以实现接近真实人的语音交互体验

9月18日，在2020年Yunqi会议上，佛学院（Dharma Academy）宣布了语音AI技术的最新突破：设备上的语音识别和语音合成功能首次达到了可与云媲美的水平，这意味着将来，个人用户可以使用移动终端。轻松体验接近真实人群的语音技术。
据报道，达摩学院最新的语音技术已在淘宝直播，DingTalk，AutoNavi导航等场景中得到了大规模应用，并向外界全面开放。语音AI的核心是使机器能够理解人类的语音和语音。
语音合成和语音识别技术是实现这些目标的基础。但是，由于该行业在过去几年中未能在语音模型上进行突破性创新，因此高精度语音交互任务长期以来一直依赖于云计算能力，从而导致诸如不可避免地延迟语音命令处理之类的问题。
这次，佛法学院率先创新算法模型，推出了E2E-ASR端到端语音识别技术和全新的端到端KAN-TTS语音合成技术，实现了接近语音识别和合成效果。首次在移动终端上云。
据报道，在语音识别方面，达摩学院提出了一种SAN-M网络结构和一种基于SCAMA的流媒体端到端语音识别框架，可以提高计算效率，并在困难场景中将语音识别错误率降低近一半。 30％。
。由Dharma Academy开发的语音识别系统可以完全离线且低成本地部署在手机上。
原型系统不到40MB，识别效果可媲美达摩学院上一代的DFSMN-CTC云系统（超过100GB）。去年发布了自主开发的仿真率达97％的KAN-TTS语音合成模型后，达摩研究所（Dharma Institute）已实现了“大减肥”。
移动终端上的语音模型。与云相比，终端上的模型尺寸减少了101倍。
计算量被压缩了35倍，并且可以通过终端的计算能力快速再现接近真实人的声音。例如，AutoNavi Maps最近发布了李嘉琪，林志玲，小团团和其他使用佛法学院新语音技术合成的星空导航语音包。
语音效果比以前更自然，即使断开网络连接，语音导航也不会中断。佛法学院语音实验室负责人严志杰说：“在终端上处理语音任务一直是学术界和工业界的难题。
佛法学院的最新语音技术有效地释放了终端设备的功能，使终端可以轻松地处理语音任务。 ，我们相信，在终端计算能力和云计算能力的共同支持下，语音交互将在未来无处不在。
”在过去的几年中，阿里巴巴语音AI取得了一系列突破。 2019年，阿里巴巴语音AI被美国麻省理工学院评论评选为``全球十大突破性技术''之一，并且是名单上唯一的中国技术公司; IDC于今年7月发布了有关中国AI云服务市场的半年度研究报告。
阿里巴巴语音AI以44％的市场份额在云语音AI市场中排名第一。