• 东京湾产业转型启示录 2019-11-12
  • 你真没一点脑子,文字是哪个人的,你到说说啊 2019-11-12
  • 商务部新闻发言人对美白宫6月18日声明发表谈话 2019-11-07
  • 华丽转身,度“蜜月”。 2019-11-07
  • <这里是重庆>首播 带你游山玩水 通晓重庆趣闻 2019-11-05
  • 备战东京奥运 中日乒乓争锋 2019-10-31
  • 重庆綦江发现1.5亿年前蛇颈龟化石 2019-10-24
  • 回应美方制裁 俄国家杜马酝酿对美反制法案 2019-10-21
  • 马特乌斯评德国队首战失利:“几乎什么都欠缺” 2019-10-11
  • 刘昊然未修音堪称车祸 终于明白他为什么求教唱歌啦 2019-10-11
  • 网约车管理,“家规”之外有“行规” 2019-10-05
  • 人民网评:别再让“600瓶白酒”恶化政治生态 2019-09-16
  • 安徽秸秆综合利用产业博览会淮南签约10个项目 2019-09-16
  • 家国情怀·天人和谐·文化自信——从端午文化看民族精神传承 2019-09-12
  • 十九大精神在基层--宁夏频道--人民网 2019-09-12
  • 成立快两年,阿里巴巴达摩院都干什么了?

    2019-07-11 10:35 稿源:PingWest品玩  0条评论

    广东南粤银行手机版 www.lwth.net 阿里巴巴

    达摩院成立快两年之际,机器智能技术实验室抢先展示了一下成绩。

    2017 年 10 月,阿里成立了达摩院,覆盖 5 个研究领域,建有 14 个实验室。除了上述的“机器智能”,达摩院研究大方向还有数据计算、机器人、金融科技、X 实验室。



    机器智能技术实验室侧重于 AI 相关技术的基础研究,旗下设有语音实验室、视觉实验室、语言技术实验室、决策职能实验室、以及城市大脑实验室。

    近日,达摩院机器智能技术实验室举办了一场小型媒体沟通会,几位技术专家向外界介绍了最新成果和进展。



    兼具表现力和稳定性的语音合成技术

    首先,机器智能技术实验室正式发布了新的语音合成技术 KAN-TTS(KAN 指的是 Knowledge-Aware Neural)。TTS(Text-To-Speech,文本到语音)是一种将文字转化成语音的技术,智能音箱、个人虚拟助理都需要这种技术支持。

    达摩院机器智能语音实验室高级算法专家雷鸣介绍,当前业界商用系统的合成语音与原始音频录音的接近程度,通常在85%到90%之间,而基于KAN-TTS技术的合成语音可将该数据提高到97%以上。

    简单来说,KAN-TTS 合成的语音更加像真人的语音,“接近真人韵律的感觉”。

    “我们新一代的 TTS 解决方案深度融合了传统 TTS 和端到端 TTS,基于不同领域的深层 Knowledge?!崩酌樯艿?。

    所谓端到端 TTS,即不依靠领域知识,基于强大的深度学习模型、海量数据来生成音频,优势是大大节省设计的工作,并且得到更加流畅、表现力更好的合成语音,但需要大量计算力支持,而且会出现丢字、漏字等不稳定的情况。Google 的 Tacotron 和 DeepMind 的 WaveNet 都是典型的端到端 TTS 模型。

    而传统 TTS 需要花费大量时间和精力去了解相关的领域知识,设计难度较高,但胜在合成的语音比较稳定。

    通过将传统 TTS 和端到端 TTS 的结合,KAN-TTS 结合了两者的优势,充分利用不同领域的深层 Knowledge,合成表现力和稳定性具佳的语音。

    针对不同的需求,机器智能技术实验室提供了“开箱即用”的 TTS 产品,覆盖 5 大场景(通用场景、客服场景、童声场景、英文场景和方言场景),具备 34 个高品质的声音。




    除了“开箱即用”的声音,达摩院这个语音合成方案还能让专业用户定制声音。

    传统语音合成定制需要 10 小时以上的数据录制和标注,对录音人和录音环境要求很高?!按悠舳ㄖ频阶钪战桓?,需要半年时间”。而达摩院利用Multi-Speaker Model与Speaker-aware Advanced Transfer Learning相结合的方法,将语音合成定制成本降低 10 倍以上,周期压缩 3 倍以上。

    也就是说,用 1 小时有效录音数据和不到两个月制作周期,就能完成一次标准 TTS 定制。

    此外,普通用户也可以自己定制“AI声音”,只需手机录音十分钟,就能获得与录制声音高度相似的合成语音。

    语音、自然语言、视觉各领域都有新成绩

    除了公布新语言合成方案,机器智能技术实验室还亮出了新成绩。

    机器智能技术实验室透露,阿里AI在国际顶级技术赛事上获得了 40 多项世界第一,入选了近 400 篇国际顶会论文。具体到细分领域,机器智能技术实验室最近都有不同建树。

    语音领域, 2019 年 1 月机器智能技术实验室在国际顶级对话系统评测大赛(DSTC-7)上获得双料冠军,将人机对话准确率的世界纪录提升至94.1%,并于 2019 年 7 月开源了创造这一记录背后的人机对话模型 ESIM。

    事实,该算法模型提出了两年多,已被包括谷歌、facebook在内的国际学术界在 200 多篇论文中引用。



    自然语言理解方面,机器智能技术实验室在 6 月的 MS MARCO 文本阅读理解挑战赛中,击败了 Facebook和微软,创造了阅读理解能力测试的新纪录,并在开放域问答任务上超越人类阅读水平。

    MS MARCO 挑战赛是 AI 阅读理解领域的权威比赛,参赛机构提供的 AI 模型需要在搜索引擎返回的网页文档中,找出 100 万个问题的正确答案。

    阿里方面介绍,阿里 AI 模型的突破在于提出了基于 “融合结构化信息 BERT 模型” 的 “深度级联机器阅读模型”,可以模仿人类阅读理解的过程,先对文档进行快速浏览,判断,然后针对相应段落进行精读,并根据 “自己的理解” 回答问题。

    达摩院机器翻译技术团队已实现了 48 个语言翻译方向,支持俄、西、法、阿、土,泰、印尼、越南等多种语言翻译,其中电商覆盖了大部分语向和场景,超越了谷歌和亚马逊,日调用量达到17. 9 亿次。



    在机器视觉领域,机器智能技术实验室在图像搜索、大规模图像识别、视频分析、线下视觉智能等领域都有所建树。其中,图像搜索领域,阿里 AI 的向量引擎比Facebook快 6 倍。

    机器智能技术实验室在 6 月份刚刚结束的 WebVision 竞赛中,阿里 AI 以 82.54% 的识别准确率,击败了全世界 150 多支参赛队伍,获得冠军?;髦悄芗际跏笛槭页?,阿里 AI 目前可以识别超过 100 万种物理实体。

    WebVison 是目前图像识别领域最权威的竞赛之一,专注于物体识别,被誉为接棒 ImageNet 的大规模图像识别竞赛。

    7 月,在CVPR2019 举办的LPIRC(低功耗图像识别挑战赛)中,阿里AI获得在线图像分类任务第一名。在挑战赛使用的训练数据集上,阿里AI实现了67.4%的分类精度,比官方提供的基准线高3.5%。

    值得注意的是,上述只是达摩院旗下机器智能技术实验室的进展和成绩。到 2019 年 10 月达摩院两周年之际,会有更加全面的消息公布。


    声明:本文转载自第三方媒体,如需转载,请联系版权方授权转载。协助申请

    相关文章

    相关热点

    查看更多
    ?
  • 东京湾产业转型启示录 2019-11-12
  • 你真没一点脑子,文字是哪个人的,你到说说啊 2019-11-12
  • 商务部新闻发言人对美白宫6月18日声明发表谈话 2019-11-07
  • 华丽转身,度“蜜月”。 2019-11-07
  • <这里是重庆>首播 带你游山玩水 通晓重庆趣闻 2019-11-05
  • 备战东京奥运 中日乒乓争锋 2019-10-31
  • 重庆綦江发现1.5亿年前蛇颈龟化石 2019-10-24
  • 回应美方制裁 俄国家杜马酝酿对美反制法案 2019-10-21
  • 马特乌斯评德国队首战失利:“几乎什么都欠缺” 2019-10-11
  • 刘昊然未修音堪称车祸 终于明白他为什么求教唱歌啦 2019-10-11
  • 网约车管理,“家规”之外有“行规” 2019-10-05
  • 人民网评:别再让“600瓶白酒”恶化政治生态 2019-09-16
  • 安徽秸秆综合利用产业博览会淮南签约10个项目 2019-09-16
  • 家国情怀·天人和谐·文化自信——从端午文化看民族精神传承 2019-09-12
  • 十九大精神在基层--宁夏频道--人民网 2019-09-12
  • 体彩快中彩中奖规则 2019年app自助领取彩金38 捕鱼王3d 电脑版 上海时时彩在线开奖 十一运夺金任五遗漏走势图 163足球指数 模拟彩票 六合图库六合彩 新11选5中奖规则 7星彩保定有中奖的吗 老版经典斗地主单机版 11选5概率表 11选5现场直播 十一选五所有的开奖号码 天天捕鱼官方正版