原標(biāo)題：重陽節(jié)推關(guān)愛阿爾茲海默癥項(xiàng)目，搜狗這輪操作要顛覆語音市場格局

在各個(gè)企業(yè)都大步奔向AI技術(shù)時(shí)，我們也能發(fā)現(xiàn)越來越多的企業(yè)開始關(guān)注技術(shù)與人文之間的聯(lián)系。就像搜狗重陽節(jié)推出的“以聲相伴”項(xiàng)目，就是以個(gè)性化語音合成為切入，讓廣大用戶嘗試?yán)米约旱穆曇艉铣烧Z音，為阿爾茲海默癥患者讀書，喚起社會(huì)對于患者的關(guān)愛。

除去項(xiàng)目中體現(xiàn)出的人文關(guān)懷和公益精神以外，我們關(guān)注更多的是搜狗在小程序和短片展示的語音合成技術(shù)高度和結(jié)合語音識別的應(yīng)用創(chuàng)新性，在當(dāng)今語音市場群雄爭霸的格局下，搜狗可謂別樹一幟地亮了次肌肉，吸引了行業(yè)的關(guān)注。

被埋藏的寶藏：當(dāng)語音合成成為整個(gè)市場的短板

如果說語音合成是一項(xiàng)不被重視的技術(shù)，顯然是不夠客觀的。如今BAT科技巨頭、AI獨(dú)角獸等紛紛入局，語音市場一片熱鬧，很難說有哪一項(xiàng)細(xì)節(jié)技術(shù)是沒有人關(guān)注的。

但從當(dāng)前幾家典型AI技術(shù)企業(yè)的在語音方面的布局來看，的確很少有哪一家展示出了在語音合成方面較為深入的能力。

以百度為例，百度的DuerOS更加注重的是技術(shù)生態(tài)的打造。通過連接硬件，打通百度語音技術(shù)下達(dá)到現(xiàn)實(shí)應(yīng)用場景的通路。因此，顯然DuerOS更注重語音技術(shù)API接口的耦合與整合，包括百度對于AI技術(shù)的整體化關(guān)注，DuerOS技術(shù)體系中也融合了一部分結(jié)合了視覺等等方面的多模態(tài)識別。

另一種典型是科大訊飛等專注于單項(xiàng)語音技術(shù)研究的技術(shù)型企業(yè)。因此對于主攻B端市場的AI技術(shù)企業(yè)來說，語音合成技術(shù)的打造更傾向于“一招鮮吃遍天”，比如大家很熟悉的林志玲語音，就是邀請林志玲前來錄制了四千多個(gè)字，才能搭建成今天聲音和語氣都高度相似的林志玲語音合成。但這種高成本高投入的技術(shù)，顯然只能適用于B端市場，不具有普遍性。

裂隙是光透進(jìn)來的地方：搜狗將如何利用技術(shù)撬動(dòng)語音市場格局？

而搜狗在宣傳片中展示出了自己在業(yè)內(nèi)推出的個(gè)性化生成語音和情感遷移兩項(xiàng)技術(shù)。

通過利用聲音數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，從聲音樣本中抓取音色、音調(diào)這樣的關(guān)鍵特征，再把音節(jié)數(shù)據(jù)還原成聲音，就可以在短時(shí)間內(nèi)復(fù)制一個(gè)人的語氣和聲調(diào)。像很多地圖產(chǎn)品推出的明星版語音包，其實(shí)是找了明星錄入上千個(gè)字的讀音加上幾十句短語，拼接起來才能實(shí)現(xiàn)。但搜狗的個(gè)性化生成技術(shù)，只需要用戶上傳少量音頻，即可合成高質(zhì)量的個(gè)性化音色。

而情感遷移技術(shù)則是將相聲貫口、唱歌、繞口令等等不同的說話風(fēng)格抽象化，將語速、停頓方式、語調(diào)等特征構(gòu)成神經(jīng)網(wǎng)絡(luò)模型，再對文本信息進(jìn)行處理，進(jìn)而可以模仿各種發(fā)音風(fēng)格。如同視頻中老奶奶的聲音一樣，老年人說話特有的慢條斯理和和藹，都是通過情感遷移才能實(shí)現(xiàn)，而不能僅僅依靠音色。

首先，市場中呈現(xiàn)出了敏捷開發(fā)與敏捷應(yīng)用之間的空隙。打造平臺化生態(tài)的技術(shù)企業(yè)，關(guān)注的更多是如何幫助開發(fā)者進(jìn)行敏捷開發(fā)，讓語音技術(shù)能力可以快速進(jìn)入智能音箱、IOT設(shè)備、汽車等等硬件場景。但作為C端用戶和消費(fèi)者，同樣需要敏捷的應(yīng)用語音技術(shù)。就像宣傳片中體現(xiàn)的，只需幾十秒的對話就能完美復(fù)制一個(gè)人的聲音和語氣，對于用戶來說是一種十分實(shí)用的應(yīng)用方式。例如用戶可以用自己的聲音替換有聲書聲音、用家人朋友的聲音進(jìn)行地圖導(dǎo)航等等。這種敏捷應(yīng)用的廣闊市場是無法被平臺中的開發(fā)者所代勞的，也就為搜狗提供了更加貼近用戶的途徑。

其次，市場中呈現(xiàn)了B端到C端語音商業(yè)化的空白。AI獨(dú)角獸們雖然每一輪融資都數(shù)額巨大，但這也證明專項(xiàng)投入于AI技術(shù)會(huì)造成巨大的變現(xiàn)壓力。而企業(yè)通常會(huì)選擇將這種壓力釋放于B端市場，在同傳、語音客服等等業(yè)務(wù)中收費(fèi)。至于面對C端用戶的服務(wù)，又往往是免費(fèi)的。但搜狗在短片中展示出的個(gè)性化語音合成，以及伴隨語音識別交互可以實(shí)現(xiàn)的陪伴，展現(xiàn)出了一種定制化的C端商業(yè)場景。未來用戶或許可以通過付費(fèi)打造一套擁有自己聲音的兒童陪伴語音系統(tǒng)，幫助遠(yuǎn)離家鄉(xiāng)的父母陪伴孩子，或是學(xué)?？梢詾榻處熀铣梢惶渍Z音家教系統(tǒng)，讓學(xué)生熟悉的聲音在課后仍然可以為他們解答問題。搜狗用強(qiáng)大的語音識別能力，結(jié)合起個(gè)性化生成語音和情感遷移兩項(xiàng)獨(dú)特的差異化技術(shù)，讓搜狗可以觸及到他人難以抵達(dá)的語音商業(yè)市場。

通往未知的任意門：語音市場的下一章如何書寫？

在今年7月的“Blizzard Challenge 2018 ”語音合成大賽上，第一次參賽的搜狗戰(zhàn)勝了大量國際頂尖科研機(jī)構(gòu)，獲得了可懂度和語音停頓兩項(xiàng)任務(wù)中排名第一的優(yōu)異成績。在這樣權(quán)威性極強(qiáng)的國際賽事中獲得這樣的成績，也進(jìn)一步證明了搜狗在語音合成上的能力。不僅是語音合成，搜狗在機(jī)器翻譯上的高度投入，同樣也涉及語音識別，像搜狗旅行翻譯寶這類產(chǎn)品的熱銷和高度啟用率，也給搜狗累積了大量的語音交互書。在WMT2017國際機(jī)器翻譯大賽上，搜狗在語音識別上的準(zhǔn)確率達(dá)到了驚人的97%。

如今搜狗展示出的不光是語音交互和語音合成的技術(shù)能力，更多的則是體現(xiàn)出搜狗進(jìn)一步深入語音市場時(shí)，獨(dú)有的技術(shù)優(yōu)勢和商業(yè)化前景。C端個(gè)性化語音合成與交互，可以說是當(dāng)今語音市場的無人之地。搜狗所擁有的優(yōu)勢是技術(shù)上不可替代性，幫助搜狗從一種競品中脫穎而出，有如高塔一般，展示出更多差異化優(yōu)勢也能輻射更多發(fā)展可能。

現(xiàn)如今的語音市場，已經(jīng)基本完成了最初的市場培養(yǎng)，越來越多的企業(yè)開始應(yīng)用起智能客服，越來越多的用戶開始習(xí)慣和手機(jī)、音箱對話。正是在這樣市場格局之下，才是比拼差異化、比拼細(xì)節(jié)的關(guān)鍵時(shí)刻。用戶剛剛學(xué)會(huì)了接納，接下來即將學(xué)會(huì)分辨優(yōu)劣并進(jìn)行選擇。搜狗這時(shí)發(fā)揮出了多年的技術(shù)累積，打出了場景應(yīng)用創(chuàng)新與差異化大旗。搜狗此舉是否會(huì)刺激市場更多的向打造差異化優(yōu)勢發(fā)展？或者破壞當(dāng)下微妙的平衡，吸引來大量用戶？通往未知的任意門已經(jīng)打開，一切可能都在醞釀之中，搜狗與語音市場的故事，值得期待。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。