國(guó)際語(yǔ)音合成大賽是由美國(guó)和日本聯(lián)合發(fā)起的國(guó)際上規(guī)模最大、最具影響力的語(yǔ)音合成大賽,歷屆大賽吸引了美國(guó)卡耐基-梅隆大學(xué)、英國(guó)愛丁堡大學(xué)、日本名古屋工業(yè)大學(xué)、IBM研究院、微軟亞洲研究院等語(yǔ)音技術(shù)領(lǐng)域的世界一流研究機(jī)構(gòu)與企業(yè)參加。
與前兩屆相比,本次大賽再次將主要測(cè)試語(yǔ)種由非英語(yǔ)語(yǔ)種轉(zhuǎn)換到英語(yǔ),要求測(cè)試的數(shù)據(jù)庫(kù)是一個(gè)5小時(shí)英文兒童有聲讀物,共有16個(gè)系統(tǒng)參測(cè)。主辦方擬定的測(cè)試指標(biāo)除了傳統(tǒng)的相似度、自然度、聽寫錯(cuò)誤率外,還有針對(duì)故事合成的段落評(píng)分,包括總體感覺等共7項(xiàng)指標(biāo),科大訊飛全部是以顯著優(yōu)勢(shì)獲得第一。其中,在非常關(guān)鍵的自然度指標(biāo)上,訊飛是4.2分,第二名是3.9分,訊飛是唯一超過(guò)4.0分的參賽系統(tǒng)。
本次參賽,在不到兩個(gè)月的時(shí)間內(nèi),研究團(tuán)隊(duì)克服了時(shí)間緊、音庫(kù)小、風(fēng)格變化極大等困難,充分發(fā)揮了科大訊飛的核心技術(shù)優(yōu)勢(shì),采用基于統(tǒng)計(jì)聲學(xué)模型的單元挑選與參數(shù)合成技術(shù)方案,并研發(fā)了基于深度神經(jīng)網(wǎng)絡(luò)的語(yǔ)音合成新方法,高質(zhì)量完成了語(yǔ)音合成系統(tǒng)的構(gòu)建。最終提交的參賽系統(tǒng)獲得了英語(yǔ)合成語(yǔ)音相似度與自然度、可懂度等共計(jì)7個(gè)指標(biāo)的第一名。
此次參賽再創(chuàng)佳績(jī),進(jìn)一步擴(kuò)大了科大訊飛在語(yǔ)音合成等關(guān)鍵技術(shù)領(lǐng)域的國(guó)際領(lǐng)先優(yōu)勢(shì),對(duì)推動(dòng)智能語(yǔ)音技術(shù)在社會(huì)各領(lǐng)域的深入應(yīng)用、贏取國(guó)際競(jìng)爭(zhēng)、開拓國(guó)際市場(chǎng)等方面具有重大而深遠(yuǎn)的戰(zhàn)略意義。
一直以來(lái),科大訊飛的語(yǔ)音合成技術(shù)代表著世界最高水平,不僅中文語(yǔ)音合成技術(shù)超過(guò)了普通人說(shuō)話水平,而且在英語(yǔ)等多語(yǔ)種語(yǔ)音合成上牢牢樹立了國(guó)際領(lǐng)先地位。未來(lái)科大訊飛將積極開展人機(jī)對(duì)話、小說(shuō)合成等熱點(diǎn)領(lǐng)域的研究,著力提升語(yǔ)音合成的表現(xiàn)力和真實(shí)感,通過(guò)語(yǔ)音處理、個(gè)性化、定制化等技術(shù),進(jìn)一步擴(kuò)大應(yīng)用范圍,不斷提升核心效果。
語(yǔ)音及語(yǔ)言信息處理國(guó)家工程實(shí)驗(yàn)室
語(yǔ)音及語(yǔ)言信息處理國(guó)家工程實(shí)驗(yàn)室是由國(guó)家發(fā)改委于2011年批復(fù)成立,由科大訊飛和中國(guó)科學(xué)技術(shù)大學(xué)聯(lián)合共建,是我國(guó)智能語(yǔ)音領(lǐng)域唯一的國(guó)家級(jí)研究平臺(tái)。