2016年，美國一位科技記者James Vlahos，做了一件感動無數(shù)人的事。
他在父親臨終前幾個月，下定決心要把父親的聲音和教誨永遠(yuǎn)留在身邊。于是非技術(shù)背景的James在一個AI項目的幫助下，自學(xué)語音合成與機器學(xué)習(xí)。在父親的幫助下，他每天錄制父親一到兩個小時的聲音，共記錄了9萬多個單詞用來訓(xùn)練AI模型。最終完成了由父親聲音構(gòu)成的，類似siri的語音助手，得以讓James時時寄托哀思。
這個故事在感動了全球無數(shù)家庭的同時，也讓AI開發(fā)者與技術(shù)人員看到了用AI語音定制化的重要意義。毫無疑問，全球眾多家庭都在渴望著類似功能，無論是記錄老人的聲音，讓自己的聲音能夠更多陪伴孩子成長，還是戀人之間的聲音陪伴，家庭，正在成為AI語音技術(shù)應(yīng)用場景的主戰(zhàn)場。
這種需求也在不斷受到產(chǎn)業(yè)界的重視。近來幾年，語音合成、聲音克隆等技術(shù)相繼發(fā)展，自然語言處理整體能力也得到了突飛猛進的發(fā)展。AI語音定制化這件事，也早已不用耗時幾個月，用數(shù)萬條語料進行機器學(xué)習(xí)訓(xùn)練，而是真正的“飛入尋常百姓家”。
3月初，一直對AI技術(shù)大舉投入的百度，在小度音箱中上線了語音定制功能。在小度APP中“爸媽講故事”這個功能場景，用戶可以錄制自己和家人的語音包。
這是對話式AI硬件中，首次出現(xiàn)用戶語音定制能力。當(dāng)用戶可以定制自己的語音包，讓智能音箱不斷傳來自己的聲音，眾多行業(yè)規(guī)則似乎都在發(fā)生變化。
讓我們從語音合成、對話式AI，以及智能語音硬件三者發(fā)展的合流中，審視一下進入AI語音定制時代的2020，可能發(fā)生的三個改變。
門檻已去：AI語音進入定制化時代
事實上，AI語音定制的能力，一直都處在AI行業(yè)與用戶的高度期待里。一方面讓AI模擬用戶聲音，關(guān)乎家庭、陪伴、記憶等諸多社會情感因素；另一方面熟悉的聲音可能觸發(fā)很多新的應(yīng)用想象，比如你可能懶得打開音頻課，但如果你的愛豆或者女神給你上音頻課，你可能都懶得睡覺。
因此，AI語音定制的工程化與商業(yè)應(yīng)用，始終被抱以高度期待。這條技術(shù)線索可以說是AI語音硬件，比如智能音箱、智能屏等產(chǎn)品持續(xù)發(fā)展的奇兵。
而AI語音定制的相關(guān)技術(shù)，在過去幾年間迎來了不斷降低門檻、提升應(yīng)用規(guī)模的過程。James Vlahos用了9萬多條語料進行機器學(xué)習(xí)訓(xùn)練，但如今只需要幾分鐘就可以訓(xùn)練出語義理解和自然語言處理效果遠(yuǎn)遠(yuǎn)超過siri的定制化語音模型。
近幾年，隨著技術(shù)的升級，定制用戶語音的相關(guān)產(chǎn)業(yè)探索一直在前進。比如一個名為Revoice的公益項目，希望能夠幫助漸凍癥患者留住自己的聲音；而汽車AI廠商Cerence在去年推出了創(chuàng)建用戶聲音語音助手的功能；微軟的Custom Voice服務(wù)，可以一定程度上讓用戶聲音成為小冰的語音。去年，“語音定制功能”開始被應(yīng)用到地圖場景，用戶在百度地圖APP上錄制20句話，就能夠生成個人完整語音包。
如今，定制化語音的功能來到了最復(fù)雜的AI場景里：對話式AI設(shè)備。
在小度語音定制功能中，用戶進入小度APP，就可以在“爸媽講故事”這個功能里錄制自己的專屬語音包。談不上多復(fù)雜，3-5分鐘就可以錄好，錄制的聲音可以播講大段的故事，并且語氣、語調(diào)、頓挫感在百度的AI語音能力加持下非常逼真，沒有異樣感。
這意味著，AI定制語音的能力已經(jīng)基本不再存在任何用戶門檻，我們不用學(xué)習(xí)復(fù)雜的技術(shù)，浪費大量時間，忍受一次次的失敗。用戶將以非常簡單的方式，就能夠利用智能語音定制來展開實現(xiàn)家庭場景中的應(yīng)用。語音定制的產(chǎn)業(yè)化通道也就此展開。
在另一條軌跡上，我們可以將其看作智能語音助手和對話式AI硬件的整體進化。
從2015年，亞馬遜的Ehco誕生起，語音助手就處在用機器音一問一答的基本能力里。用戶時常找不到繼續(xù)說下去的動力。一問一答模式也與真人交互并不相似。
2019年，小度助手實現(xiàn)了全雙工免喚醒能力，可以一次喚醒多次交互，終于讓多輪對話在硬件中得以實現(xiàn)，聊天開始形似真人。
而AI語音定制的能力，或許可以看作2020年智能語音助手和相關(guān)硬件的又一次升級，用戶可以借此實現(xiàn)千人千面的AI硬件，開發(fā)者有了新的開發(fā)基礎(chǔ)。連鎖發(fā)生的產(chǎn)業(yè)化影響也能夠隨之展開。
飯圈&家庭：兩個場景的AI硬件或爆發(fā)
AI語音定制化帶來的第一個改變，就是用戶可能會重新開始思考自己如何應(yīng)用對話式AI硬件，以及為什么購買相關(guān)產(chǎn)品。
有了AI語音定制能力后，有兩個商業(yè)場景的改變是顯而易見的。首先在家庭場景中，定制家人聲音這一能力其實至關(guān)重要。因為家人的聲音代表著陪伴、依靠和溫暖，這是人之天性，無法在任何時代改變。用父母的聲音給孩子講故事、講知識，讓子女的聲音在智能音箱中陪伴著父母，給父母報時間，念新聞。這些溫暖的應(yīng)用，是中國人的普遍需求，也是繁忙都市工作下的必然選擇。
今天的情況就是一個很好的例證，疫情推遲了復(fù)工，這讓很多父母有了更多時間陪伴孩子，從而產(chǎn)生了“疫情下的父母依賴”。但返工開始，父母不得已又將離開孩子怎么辦？在智能音箱家庭使用場景下，語音定制功能就給出了一個選項。
另一方面，AI語音定制功能的更大紅利還要看飯圈。這幾天飯圈的能量之大，讓整個社會頗為領(lǐng)教。那么讓愛豆的聲音不僅僅出現(xiàn)在地圖導(dǎo)航，而是時時留存在智能產(chǎn)品中，與自己時時對話，聊天、講故事、玩游戲——以此產(chǎn)生的購買力和再開發(fā)能力，簡直不敢細(xì)想。
這兩個場景在AI語音定制能力下，是最有可能快速呈現(xiàn)爆發(fā)的。而以此為基礎(chǔ)，一波新的開發(fā)者紅利即將上線。
泛化定制：AI語音開發(fā)者獲得新船票
隨著AI語音產(chǎn)業(yè)的成熟，開發(fā)者技術(shù)支持的日趨完備，已經(jīng)有越來越多的聲音博主、AI開發(fā)者，投身到AI語音生態(tài)的大潮中。而隨著AI語音定制功能的上線，開發(fā)者的基礎(chǔ)能力又得到了不小突破，“千人千聲”的對話式AI設(shè)備不再僅僅是個產(chǎn)業(yè)想象。
AI語音開發(fā)者，或許很快就可以通過語音定制功能，獲得“泛化定制”的全新機會?？梢灶A(yù)見，AI語音定制將通過以下幾種方式影響AI語音的開發(fā)空間與產(chǎn)業(yè)價值：
1、技能定制得到飛速發(fā)展。用家人的聲音定制一個語音技能，甚至定制只有家庭成員、情侶之間、粉絲專屬的語音技能，是一個廣闊的產(chǎn)業(yè)想象力。很多語音技能在有了用戶聲音這個選項之后，將產(chǎn)生全面改變，可能影響到娛樂、家庭、教育、陪伴等多個場景。
2、生活場景定制成為重頭戲。在智能家居、智能手機助手、智能穿戴設(shè)備中聽到自己親人、偶像的聲音，是一件可以充滿各種玩法的事情。開發(fā)者將可以借助各種硬件形態(tài)，揮灑AI語音定制的想象力。
3、“聲音著作權(quán)”的無數(shù)新玩法。上面說過，AI語音定制能力的出現(xiàn)和普及，將讓“高凈值聲音”成為一種新的版權(quán)資本。明星、偶像、公眾人物，甚至特定領(lǐng)域網(wǎng)紅的聲音，將可以通過AI交互的形式普及到各種硬件中，造成內(nèi)容產(chǎn)業(yè)與科技產(chǎn)業(yè)的又一個垂直風(fēng)口。
能夠規(guī)?；涞氐腁I語音泛定制應(yīng)用、硬件，以及專屬服務(wù)，是將用戶、偶像、軟件開發(fā)者和硬件品牌融合在一起的全新形式，由此激發(fā)的購買欲望和平臺開發(fā)機遇，也許將是2020年的獨特風(fēng)景。
4、AI語音的社會價值與意義被重新估判。從James Vlahos的故事不難看出，AI語音定制能力，包含著深刻雋永的親情關(guān)懷與家庭意義。人與人無法永遠(yuǎn)陪伴，但對方聲音的智能化，卻可以將很多重要的時刻與陪伴感放大。AI語音定制化的開發(fā)者們，接下來將可能擔(dān)負(fù)起更多關(guān)于親情、社會與陪伴的探索。從技術(shù)價值到社會價值，AI語音定制化的影響力也將以此被放大。
AI語音定制化，正在成為對話式AI硬件市場上新的驅(qū)動因素。細(xì)心觀察近三年來的對話式AI硬件以及AI語音市場，就會發(fā)現(xiàn)市場的波動式增長，呈現(xiàn)與技術(shù)突破緊密契合的關(guān)系。在一種硬件形態(tài)處于草創(chuàng)階段的時候，這種因技術(shù)而爆發(fā)的商業(yè)能量是產(chǎn)業(yè)常態(tài)。
換句話說，對話式AI打開的硬件市場，呈現(xiàn)這樣的邏輯關(guān)系：技術(shù)能力突破代表著更好的用戶體驗，繼而將直接催生市場回饋。在2019年，小度帶來全雙工免喚醒能力后，AI語音硬件市場一度解封了三足鼎立的形態(tài)，展現(xiàn)出獨自向前大幅飛躍的局面。而AI語音定制化能力，作為與開發(fā)者、技能生態(tài)、內(nèi)容生態(tài)聯(lián)系更緊密的技術(shù)突破，顯然將持續(xù)維護這種技術(shù)領(lǐng)先性，帶來更多的市場回饋，以至于某種市場質(zhì)變的臨近。
但不管最終是哪個平臺獲得最后的留場權(quán)，對于AI開發(fā)者來說，語音定制化能力帶來的產(chǎn)業(yè)機遇都剛剛開始。千人千面的硬件，千變?nèi)f化的應(yīng)用，千方百計的技術(shù)突破，是我們最終想在新硬件形態(tài)上看到的結(jié)果。
下載文檔
