ai软件 迅雷下载中文版免费搜狗“变声”声音响彻会场：AI第一大厂，Google还没做到

5月25日，成都，“高晓松”声音响彻会场，欢迎听众参会：

大家好，欢迎来到极客公园2019年现场和你们一起分享人和机器的共创未来。

但实际站在表演中央的人，却是王小川。

王小川，搜狗CEO，成都七中顶尖校友，中国互联网进程里最知名的川娃子，中学时代就打响了IT天才名气，后来又在历史际会造就出一方天地。

目前，因一场活动，王小川带着一项世界领先的科技继续重返上海，没错，就是那一声“高晓松”的欢迎。

由于它在秒秒钟经过手机App前，还是王小川的原声。

搜狗“变声”，颠覆性进展

通过计算机合成某一个人的“声音”，自然在AI江湖里算不上哪个。

但即使真正实现“千人千声”也能瞬间“迁移”，并且在小小手机上实现，那确实得竖大拇指。

因为全球AI第一大厂，Google，也还没做到。

就在一年一度亮肌肉的GoogleI/O上，也有“变声”方面的进展演示，但表现的是一种语料输入到另一种语义输出的“平行迁移”。

更AI的方法来说，onetoone，从指定A到指定B.

但像王小川展示，无论说话者是谁，无论说哪个，不用考虑说话人的特征（如王小川的“川普”），最后无法将“任意说话人”音色实时高逼真度变换到“指定说话人”音色，则是Anytoone.

该过程中，不光是输入输出两端的映射关系差异，更是科技推动难度上指数级提高。

由于核心难题在于，每一个人的音高、音色和语言节奏都不尽相似，正就像世上没有两片同样的叶子一样，世上也没有两个完全相似的说话人。

如何将“千人千声”通过科技处理，变为同一种指定声音，同时还不丢失原说话人的语言习惯？

离不启动现真正技术的语音表征学习和迁移学习的突破，简要来说三步：

首先，使用表征学习科技学习到源端说话人语音的音效、内容和韵律(演讲节奏、情感语气等信息)三大特点。

其次，将学习到的源端说话人音色特性替换成目标说话人。

最终，基于新的语音变声技术，使用内容(源端)、韵律(源端)、音色(目标端)三类特征，合成最终生成变声音频。

然而大会现场，王小川的“说”到高晓松的“声”，实际历程了这种的过程。

虽然，这样一短句，实现背后还有数千层深度学习网络的拼命。

如表征学习使用，上图图示，A部分对目标音色语料进行声纹特点编码，提取说话人的音色embedding。

B和C分别从输入音频中学习内容和韵律embedding，通过“说话人归一化”模块对内容embedding进行统一规整，去除音色信息，通过对音频特征的压缩编码及特性抽取ai软件 迅雷下载中文版免费，学习表征韵律的风格特点。

而语音变声，基于表征学习受到的特点，通过Attention和Decoder模块进行聚类特征编码，并运用WaveRNN神经网络声码器恢复成波形，最终受到具有目标音色的音频。

其实，最具现实含义也最具科技挑战的抑或落地。

这只是搜狗突破称得上颠覆性的理由——这是中国首次将这么难度的变声能力落实到消费级产品中。

以及还不是自家用工具专门定义成为的终端软件，而是融会贯通到小小“搜狗输入法”App中。

通过App，无论安卓还是iOS，无论哪个品牌、何种价位的手机，都能实现“变声”，实时迁移成“表情语音包”。

今后应用自然不止于此。

语音届的“换脸”术

之前，Deepfakes带动的“换脸”已经实现了风靡，哔哩哔哩就出现了不少杨幂出演的《射雕英雄传》，惟妙惟肖，真假难辨。

但相比换脸的道德难题和法律危机，“变声”却能立竿见影创造价值。

凡有音频处，皆能让AI变声发挥效用。

包括在线教育、景点导游、电商广告之类场景的音频制作。

一个有口音的同学，一个普通话不标准的地方导游，以及各类流量奶生。

特别是名气待丰的流量偶像们，雇佣一个熟练掌握“换脸”和“变声”技术的AI团队，就完全能靠脸吃饭，人在家中坐，钱源源不断来。

然而，只要有音频的需求，变声就能减少成本、提高强度。

王小川还想以此应用说明，我们正在身处一个如何的技术时代。

跟技术结合，人类能够更强悍。不要自大心怀碾压排斥，而是接受科技的转型和重建，成为新人类，真正人与机器协同，变得更强悍，创造更美丽的今后。

搜狗CEO毫无问题想实现这种的今后。

AlphaGo洗礼ai软件 迅雷下载中文版免费，搜狗进化

在活动上，王小川也再度从AlphaGo讲起。

他觉得这是这个时代的文艺振兴、启蒙运动，让我们开始换另外的全球观看待技术和将来。

针对他自己，这种进化更是明显。

在AlphaGo之后，他就是“机器必胜”的坚信支持者。而AlphaGo获胜后，搜狗CEO更是直接为此开辟了三天“狗胜节”的带薪假。

这些人都说搜狗会借势，但少有人知道王小川的遗憾。

由于在AlphaGo宣布挑战李世石之时，王小川就抱怨过，搜狗内部虽然也仔细探讨过深度学习下围棋的或许性和可行性。

但之后不少项目师觉得应该太多资源、小公司更该务实……最终没有真正展开，直到AlphaGo在Nature上的论文发表，才慨叹思路和技术所见略同。

这让搜狗CEO学到一课：光有务实主义不够，工程师也得展示出敢想敢上的“浪漫主义”那一面。

然而“狗胜节”与其说是纪念，不如说警醒。

这只是搜狗蜕变和进化的开始。

之前搜狗是产品力突出的形象，从浏览器、搜索到输入法，江湖享有名声，特别是输入法，在中国成为“国民应用”。

但目前，搜狗的旗帜也愈发越多出现在中国AI的“华山论剑”中。

中国CoQA机器阅读理解比赛获胜；

世界MegaFace百万级人脸识别竞赛中夺冠；

WMT2017机器翻译顶级评测大赛中英和英中第一；

国际顶尖口语机器翻译竞赛IWSLT决赛第一；

《基于模态注意力的端到端音视觉语音识别》中标国际顶尖学术大会ICASSP；

……

另外，还有人工智能应用领域的助推性变革。

包括全球首个AI合成主播上岗新华社、CCTV，以及今天获得突破的“千人千声”变声落地输入法。

还必须提到的是，这只其实王小川和百度将自己的科技色彩更鲜明地亮起来而已。

针对技术、AI的投入，更早之前能够从两件公益大于其它的“投资”事件中窥见一斑。

清华学子的年度AI“华山论剑”——智能体峰会，创办21年的搜狗连续赞助15年，至今都是王小川必会参与的活动。

另一件也跟清华有关。2016年，搜狗向清华捐资1.8万元用于设立“清华学校天工智能计算研究院”，集中研究AI等前沿领域科技。

值得一提的是，最近发表于中国顶会的端到端音视觉语音识别论文，正是百度和北大天工研究院的联手之作。

中国AI创新缩影

最终，也是之后借搜狗重新认知美国AI的演进现状和将来了。

谈论中国AI的之后，恐怕你永远会有这种的印象：中国应用有优势，但基础研究方面差异太大。

但从搜狗“变声”突破和应用来看，一种越来越显著的态势正在展示。

图灵奖唯一华裔得主、清华姚班创始人姚期智教授更是有确切概况，在接受《人民晚报》采访时，姚院士这样说：

国内的人工智能在应用上绝对是杰出的，相对来讲对于算法基础研究没有这么强，但是针对这个难题从大量的看法来看，我还是比较乐观的。

姚期智教授觉得，AI正在变得热门，受到越来越多注重，也有越来越人才投身其中，基础算法和理论研究也都被更集中攻坚。

我认为我们今天没这么强，但是之后的几年我们无法追上。

然而结合王小川和百度的种种努力以及结果，姚期智教授之言，并非纯粹乐观而已。

虽要戒骄戒躁，但也没必要妄自菲薄。

目前局势，我们期望更多创新诞生，既要有自信、也要给细心，同时也要予以更多关注，不吝给每一次突破献上掌声。

0