【太平洋汽車 】汽車消費(fèi)歷來(lái)是國(guó)民消費(fèi)經(jīng)濟(jì)的重要組成部分，配備了智能技術(shù)的新能源汽車更是在近年來(lái)快速崛起，成為汽車消費(fèi)的主流。在日益成熟的智能汽車科技中，車載語(yǔ)音交互與應(yīng)用隨之步入市場(chǎng)爆發(fā)期，進(jìn)而成為繼智能手機(jī)和智能音箱之后的第三大智能語(yǔ)音場(chǎng)景。在車載語(yǔ)音交互新勢(shì)力中，火山引擎憑借長(zhǎng)期以來(lái)對(duì)汽車行業(yè)的深刻洞察與豐富經(jīng)驗(yàn)，依托一直以來(lái)為字節(jié)跳動(dòng)內(nèi)部各業(yè)務(wù)線提供優(yōu)質(zhì)語(yǔ)音AI技術(shù)能力以及全棧語(yǔ)音產(chǎn)品解決方案的火山語(yǔ)音團(tuán)隊(duì)，為車企帶來(lái)了耳目一新的交互體驗(yàn)。
日前，火山語(yǔ)音團(tuán)隊(duì)正式為哪吒汽車旗下重磅車型哪吒S推出“哪吒音色”新功能，以更低成本和更高效率為車企打造專屬“音色”，成為哪吒汽車遙遙領(lǐng)先2022年新能源車新勢(shì)力銷量榜單的關(guān)鍵技術(shù)競(jìng)爭(zhēng)力之一。據(jù)了解，“哪吒音色”不但可以生動(dòng)表達(dá)高興、失落、嬌蠻、冷靜四種情緒，還支持河南話、廣東話、川渝話等特色方言以及以小蘿莉、活潑女聲等為代表的趣味音色。更重要的一點(diǎn)，憑借超99%的準(zhǔn)確率和在線、離線環(huán)境下穩(wěn)定流暢的語(yǔ)音表現(xiàn)，火山語(yǔ)音成功讓汽車?yán)L聲繪色，再造品牌新勢(shì)力。
智能語(yǔ)音合成引領(lǐng)車載語(yǔ)音交互市場(chǎng)
據(jù)中國(guó)汽車工業(yè)協(xié)會(huì)數(shù)據(jù)，2022年1月到11月中國(guó)新能源汽車產(chǎn)銷超過(guò)600萬(wàn)輛，同比均增長(zhǎng)1倍，市場(chǎng)占有率達(dá)25%，該市場(chǎng)的強(qiáng)勢(shì)拉升已成定局，隨之而來(lái)車載語(yǔ)音交互市場(chǎng)迎來(lái)了發(fā)展的黃金期。
目前，車載語(yǔ)音交互功能已成為中國(guó)乘用汽車座艙內(nèi)的標(biāo)配功能，滲透率高達(dá)86%，其中以主機(jī)廠商、造車新勢(shì)力、智能語(yǔ)音處理引擎及應(yīng)用供應(yīng)商、云服務(wù)商、平臺(tái)整體商等為代表的“多元競(jìng)爭(zhēng)”逐步走入白熱化階段，可以預(yù)見(jiàn)智能語(yǔ)音合成技術(shù)或?qū)⒊蔀楦鞣絼?shì)力的下一個(gè)殺手锏。
此外伴隨新能源汽車銷量的快速拉升，也促成了新消費(fèi)群體和需求的規(guī)模化涌現(xiàn)。以Z世代和女性消費(fèi)群體為代表的新消費(fèi)群體，對(duì)于消費(fèi)個(gè)性化和差異化需求顯著，迫使汽車消費(fèi)正從出行剛需轉(zhuǎn)向個(gè)性消費(fèi)。社交需求、自我塑造、悅己需求等，讓智能音色成為新消費(fèi)群體選擇汽車品牌的新因素。總體而言，通過(guò)語(yǔ)音合成技術(shù)形成的個(gè)性化、情感化、可定制化的智能音色，或成為突圍車載語(yǔ)音交互同質(zhì)化競(jìng)爭(zhēng)的關(guān)鍵突破口。
眾多周知，當(dāng)前新能源汽車的車載語(yǔ)音通常為標(biāo)準(zhǔn)音色，主要由于可定制化音色通常需要不同的語(yǔ)料包進(jìn)行訓(xùn)練，但優(yōu)質(zhì)音頻數(shù)據(jù)和發(fā)音人較為稀缺，部分小語(yǔ)種音頻數(shù)據(jù)標(biāo)注員更為稀缺等原因，所以訓(xùn)練多趣味、多方言、多語(yǔ)種的音色模型消耗成本較高，因此能夠既好又快推出車載智能音色的汽車品牌，或?qū)⒙氏日碱I(lǐng)市場(chǎng)，而在這一方面，我們不可忽視哪吒汽車的異軍突起。
全新的智能音色，背后是強(qiáng)大的技術(shù)實(shí)力
放眼廝殺激烈的中國(guó)新能源車市場(chǎng)，哪吒汽車交出的成績(jī)單可謂亮眼：2022年11月，月交付同比增長(zhǎng)51%；1-11月累計(jì)交付同比增長(zhǎng)142%……而在出色的銷售數(shù)據(jù)之下，實(shí)力強(qiáng)大的智能技術(shù)體系不可小覷，其中就包括全雙工連續(xù)對(duì)話、可見(jiàn)即可說(shuō)等流暢精準(zhǔn)的智能語(yǔ)音體驗(yàn)，而近日“哪吒音色”的正式上線，則為用戶帶來(lái)了“你的情緒我都懂”的全新感受。
作為一款活力動(dòng)感、富有“人情味兒”的車載語(yǔ)音助手音色，哪吒汽車S聯(lián)合火山語(yǔ)音為用戶提供了多樣與個(gè)性兼具的音色選擇，無(wú)論是趣味音色、還是多方言、多語(yǔ)種的嘗試，都可隨心切換。例如，“哪吒音色”提供了高興、失落、嬌蠻、冷靜四大情感交互場(chǎng)景，比方說(shuō)無(wú)法完成車主要求時(shí)的歉意表達(dá)音色、車主違規(guī)超速時(shí)提醒的嬌蠻可愛(ài)音色等。關(guān)于此，火山語(yǔ)音團(tuán)隊(duì)采用了半監(jiān)督情感模塊，僅憑借1小時(shí)的情感數(shù)據(jù)作為參考，智能分析出其余全量錄制語(yǔ)句的情感類型和情感強(qiáng)度，進(jìn)而讓所有錄制數(shù)據(jù)都參與合成語(yǔ)音情感能力的建模，實(shí)現(xiàn)更顯著、更自然和更細(xì)膩的情感表現(xiàn)力。值得提及的一點(diǎn)，在“哪吒音色”個(gè)性化的聽(tīng)感下，是極速響應(yīng)靈敏加成。火山語(yǔ)音團(tuán)隊(duì)表示，“哪吒音色”運(yùn)用了業(yè)界領(lǐng)先的基于無(wú)監(jiān)督表征的并行對(duì)抗深度神經(jīng)網(wǎng)絡(luò)，語(yǔ)音請(qǐng)求延時(shí)低于150毫秒，全鏈路句準(zhǔn)確率達(dá)到98.1%。在語(yǔ)音質(zhì)量MOS評(píng)分中達(dá)到4.6分（滿分5分），以行業(yè)領(lǐng)先水平做到“更懂你心”！
自2022年10月試上線以來(lái)，“哪吒音色”引起了用戶和眾多汽車品牌的強(qiáng)大興趣，其背后正是火山語(yǔ)音強(qiáng)大的語(yǔ)音合成能力。一直以來(lái)團(tuán)隊(duì)針對(duì)數(shù)據(jù)獲取難、專業(yè)要求高、訓(xùn)練難度大、消耗成本高等業(yè)界疑難問(wèn)題開(kāi)展多音色模型訓(xùn)練，提出了低成本、高效率、批量生產(chǎn)的方案，為企業(yè)用戶提供了許多“聽(tīng)得懂”、“說(shuō)的好”、“會(huì)的多”的音色。尤其是不久之前上新發(fā)布的超自然對(duì)話語(yǔ)音合成技術(shù)，相較傳統(tǒng)TTS更加真實(shí)自然，語(yǔ)氣詞、吸氣聲、猶豫時(shí)的停頓以及字音拖長(zhǎng)等細(xì)節(jié)都被精準(zhǔn)復(fù)現(xiàn)，而且只需常規(guī)音庫(kù)1/4數(shù)據(jù)，就可極大還原真人說(shuō)話細(xì)微的韻律特點(diǎn)、發(fā)音口癖，讓合成效果更加真實(shí)，給人帶來(lái)沉浸式的聽(tīng)感體驗(yàn)。其對(duì)外推出的“音色復(fù)刻技術(shù)”，作為一套全自動(dòng)高效化的輕量級(jí)音色定制方案，不同于傳統(tǒng)語(yǔ)音合成技術(shù)對(duì)數(shù)據(jù)的高門(mén)檻要求，對(duì)數(shù)據(jù)量的需求僅為傳統(tǒng)方法的0.3%，普通人在相對(duì)安靜的開(kāi)放環(huán)境錄制2分鐘以上，即可達(dá)到音色空間建模的標(biāo)準(zhǔn)，生成專屬音色的AI模型，便捷又高效。
在“哪吒音色”的背后是火山語(yǔ)音團(tuán)隊(duì)。作為火山引擎語(yǔ)音合成產(chǎn)品的技術(shù)能力提供方，火山語(yǔ)音團(tuán)隊(duì)即字節(jié)跳動(dòng)AI Lab Speech & Audio智能語(yǔ)音與音頻團(tuán)隊(duì)，自2017年成立以來(lái)就專注研發(fā)行業(yè)領(lǐng)先的AI智能語(yǔ)音技術(shù)，截止2022年上半年，團(tuán)隊(duì)已有17篇論文入選AI頂級(jí)會(huì)議，其中音頻生成方向接受了8篇論文。火山語(yǔ)音團(tuán)隊(duì)攻克了很多語(yǔ)音合成技術(shù)的前沿挑戰(zhàn)，例如在在韻律建模方面，不同的語(yǔ)言、方言、風(fēng)格都具備自身的韻律特點(diǎn)，有不同的語(yǔ)速、語(yǔ)調(diào)、重音模式等語(yǔ)音變化信息，這種細(xì)粒度的韻律特征顯著地影響著發(fā)音準(zhǔn)確性和地道性，而傳統(tǒng)的端到端神經(jīng)網(wǎng)絡(luò)框架很難隱式建模和控制這種細(xì)粒度的韻律特征變化。對(duì)此，火山語(yǔ)音團(tuán)隊(duì)提出了音素級(jí)別細(xì)粒度韻律建模的AM架構(gòu)，通過(guò)引入音調(diào)、短語(yǔ)重音等音素級(jí)別的韻律特征以及音素級(jí)變量適配器，可以分別實(shí)現(xiàn)音節(jié)、短語(yǔ)和句子級(jí)別語(yǔ)調(diào)、重音模式變化，實(shí)現(xiàn)“聽(tīng)得懂”、“說(shuō)的好”。
在火山語(yǔ)音團(tuán)隊(duì)強(qiáng)大科研力量的支持下，火山引擎語(yǔ)音合成產(chǎn)品于2022年11月獲得國(guó)家語(yǔ)音及圖像識(shí)別產(chǎn)品質(zhì)量檢驗(yàn)檢測(cè)中心頒發(fā)的語(yǔ)音合成增強(qiáng)級(jí)檢驗(yàn)檢測(cè)證書(shū)，在語(yǔ)音合成的基本要求以及擴(kuò)展要求上已達(dá)最高等級(jí)標(biāo)準(zhǔn)。經(jīng)評(píng)測(cè)，火山引擎提供的音色MOS評(píng)分最高可達(dá)4.64分，處行業(yè)領(lǐng)先水平。目前，火山語(yǔ)音將打磨多年的語(yǔ)音技術(shù)能力面向市場(chǎng)，通過(guò)火山引擎開(kāi)放給外部企業(yè)，已覆蓋汽車、金融、有聲閱讀、視頻配音等眾多應(yīng)用場(chǎng)景。
展望2023：在火山語(yǔ)音團(tuán)隊(duì)的持續(xù)創(chuàng)新與快速創(chuàng)新成果轉(zhuǎn)換的推動(dòng)下，火山引擎已經(jīng)成為了車載語(yǔ)音交互行業(yè)的新勢(shì)力，越來(lái)越多的車企品牌將在火山引擎平臺(tái)上快速發(fā)展，抓住2023年即將爆發(fā)的市場(chǎng)機(jī)會(huì)；而在更廣泛的智能語(yǔ)音市場(chǎng)，火山語(yǔ)音團(tuán)隊(duì)也將帶來(lái)源源不斷的新技術(shù)、新產(chǎn)品，以更低門(mén)檻、更高品質(zhì)、更快交付等，助力更多行業(yè)大步邁入智能時(shí)代！
（太平洋汽車）
粵公網(wǎng)安備 44010602000157號(hào)