小冰超級(jí)自然語(yǔ)音技術(shù)發(fā)布！PK真人真假難辨，同時(shí)獲獨(dú)角獸輪融資

豐色 2021-07-12 14:44:57 來(lái)源：量子位

先來(lái)聽(tīng)一段歌：

你能聽(tīng)出來(lái)，這其實(shí)是小冰和真人共同演唱的嗎？

藍(lán)色為小冰，白色為真人，是不是非常難以分辨？

這背后就是小冰今天發(fā)布的全新超級(jí)自然語(yǔ)音技術(shù)。

該技術(shù)首次將人工智能語(yǔ)音自然度提升到與真實(shí)人類聲音幾乎無(wú)法分辨的程度。

也是全球首個(gè)全域通用的同類技術(shù)。

也就是說(shuō)，除了上面的唱歌，說(shuō)話、跟人交談等場(chǎng)景都能進(jìn)行高度擬人交互。

再來(lái)看兩個(gè)demo。

下面是一段獨(dú)白的音頻。

其中只有一句來(lái)自人類，其余全都是由小冰說(shuō)的。你能聽(tīng)出來(lái)真實(shí)人類說(shuō)的是哪一句嗎？

接下來(lái)，你會(huì)聽(tīng)到兩個(gè)在直播間嘮嗑的女生，這一次，“她倆”都不是人類。

這也是小冰官網(wǎng)上的一個(gè)實(shí)驗(yàn)，對(duì)話已經(jīng)持續(xù)了88天，并且將一直持續(xù)下去，永不中斷。

小冰表示，該實(shí)驗(yàn)近期將逐步拓展至第三方直播平臺(tái)。

而目前，小冰團(tuán)隊(duì)的每個(gè)成員都已有人工智能替身，官方的演示視頻的主持也是用的替身。

并且，小冰框架中的數(shù)百個(gè)不同人工智能原型主體，已全部完成這項(xiàng)超級(jí)自然語(yǔ)音技術(shù)的升級(jí)。

小冰框架

關(guān)于這個(gè)真假難辨的超級(jí)自然語(yǔ)音技術(shù)的細(xì)節(jié)目前還未透露。

但最新的第八代小冰，已經(jīng)可以量產(chǎn)各種AI角色：去企鵝電競(jìng)做直播間助手、或者當(dāng)銷售賣賣化妝品、甚至當(dāng)公眾號(hào)小編……唱歌跳舞寫(xiě)文章樣樣精通。

生產(chǎn)這些角色背后的小冰框架，主要技術(shù)包括：

實(shí)現(xiàn)長(zhǎng)程語(yǔ)音交互的全雙工語(yǔ)音交互感官
提高小冰對(duì)于對(duì)話內(nèi)容、領(lǐng)域和節(jié)奏的控制力的共感模型
融合了全雙工語(yǔ)音交互、實(shí)時(shí)視覺(jué)與核心對(duì)話引擎的多模態(tài)交互感官
讓小冰唱歌像真人一樣的第四版人工智能歌曲DNN模型等等

而與同行相比，小冰框架最大的差異化在于，它是一個(gè)“session-oriented”的人工智能框架，框架中的各部分技術(shù)共同為“交互全程”目標(biāo)服務(wù)，而不僅僅關(guān)注并優(yōu)化局部。

比如，在核心對(duì)話引擎方面，技術(shù)的研發(fā)及迭代方向是為更有效地預(yù)測(cè)、保持并引導(dǎo)對(duì)話，而不是僅僅實(shí)現(xiàn)回應(yīng)。

在語(yǔ)音方面，框架關(guān)注語(yǔ)音交互的質(zhì)量與體驗(yàn)是否能支持長(zhǎng)時(shí)間的混合交流，而不僅僅是將文本內(nèi)容轉(zhuǎn)為語(yǔ)音。

已完成A輪融資

與此同時(shí)，小冰也在今天宣布：已完成A輪融資，估值已達(dá)10億美元。

本輪融資由高瓴領(lǐng)投，五源、Neumann、IDG、GGV紀(jì)源資本，以及上輪投資人北極光與網(wǎng)易跟投。

2014年問(wèn)世的微軟小冰，是全球承載交互量最大的完備人工智能框架之一，技術(shù)覆蓋自然語(yǔ)言處理、計(jì)算機(jī)語(yǔ)音、計(jì)算機(jī)視覺(jué)及人工智能內(nèi)容生成。

為了加速發(fā)展，小冰團(tuán)隊(duì)于2020年7月從微軟獨(dú)立。

并于去年11月完成了數(shù)億元的Pre-A輪融資。

加上此次A輪的完成，也就是說(shuō)只用一年時(shí)間，小冰的估值已經(jīng)達(dá)到超獨(dú)角獸規(guī)模。

最后，小冰表示，更多創(chuàng)新，九月年度發(fā)布會(huì)見(jiàn)。

那么，你對(duì)第九代小冰還有怎樣的期待呢？