成立快兩年,阿里巴巴達摩院都干什么了?

達摩院成立快兩年之際,機器智能技術實驗室搶先展示了一下成績。

2017 年10 月,阿里成立了達摩院,覆蓋5 個研究領域,建有14 個實驗室。除了上述的“機器智能”,達摩院研究大方向還有數據計算、機器人、金融科技、X 實驗室。

機器智能技術實驗室側重于AI 相關技術的基礎研究,旗下設有語音實驗室、視覺實驗室、語言技術實驗室、決策職能實驗室、以及城市大腦實驗室。

近日,達摩院機器智能技術實驗室舉辦了一場小型媒體溝通會,幾位技術專家向外界介紹了最新成果和進展。

兼具表現力和穩定性的語音合成技術

首先,機器智能技術實驗室正式發布了新的語音合成技術KAN-TTS(KAN 指的是Knowledge-Aware Neural)。TTS(Text-To-Speech,文本到語音)是一種將文字轉化成語音的技術,智能音箱、個人虛擬助理都需要這種技術支持。

達摩院機器智能語音實驗室高級算法專家雷鳴介紹,當前業界商用系統的合成語音與原始音頻錄音的接近程度,通常在85%到90%之間,而基于KAN-TTS技術的合成語音可將該數據提高到97%以上。

簡單來說,KAN-TTS 合成的語音更加像真人的語音,“接近真人韻律的感覺”。

“我們新一代的TTS 解決方案深度融合了傳統TTS 和端到端TTS,基于不同領域的深層Knowledge。”雷鳴介紹道。

所謂端到端TTS,即不依靠領域知識,基于強大的深度學習模型、海量數據來生成音頻,優勢是大大節省設計的工作,并且得到更加流暢、表現力更好的合成語音,但需要大量計算力支持,而且會出現丟字、漏字等不穩定的情況。Google 的Tacotron 和DeepMind 的WaveNet 都是典型的端到端TTS 模型。

而傳統TTS 需要花費大量時間和精力去了解相關的領域知識,設計難度較高,但勝在合成的語音比較穩定。

通過將傳統TTS 和端到端TTS 的結合,KAN-TTS 結合了兩者的優勢,充分利用不同領域的深層Knowledge,合成表現力和穩定性具佳的語音。

針對不同的需求,機器智能技術實驗室提供了“開箱即用”的TTS 產品,覆蓋5 大場景(通用場景、客服場景、童聲場景、英文場景和方言場景),具備34 個高品質的聲音。

除了“開箱即用”的聲音,達摩院這個語音合成方案還能讓專業用戶定制聲音。

傳統語音合成定制需要10小時以上的數據錄制和標注,對錄音人和錄音環境要求很高。“從啟動定制到最終交付,需要半年時間”。而達摩院利用Multi-Speaker Model與Speaker-aware Advanced Transfer Learning相結合的方法,將語音合成定制成本降低10倍以上,周期壓縮3倍以上。

也就是說,用1小時有效錄音數據和不到兩個月制作周期,就能完成一次標準TTS 定制。

此外,普通用戶也可以自己定制“AI聲音”,只需手機錄音十分鐘,就能獲得與錄制聲音高度相似的合成語音。

語音、自然語言、視覺各領域都有新成績

除了公布新語言合成方案,機器智能技術實驗室還亮出了新成績。

機器智能技術實驗室透露,阿里AI在國際頂級技術賽事上獲得了40多項世界第一,入選了近400篇國際頂會論文。具體到細分領域,機器智能技術實驗室最近都有不同建樹。

語音領域,2019年1月機器智能技術實驗室在國際頂級對話系統評測大賽(DSTC-7)上獲得雙料冠軍,將人機對話準確率的世界紀錄提升至94.1%,并于2019年7月開源了創造這一記錄背后的人機對話模型ESIM。

事實,該算法模型提出了兩年多,已被包括谷歌、facebook在內的國際學術界在200多篇論文中引用。

自然語言理解方面,機器智能技術實驗室在6 月的MS MARCO 文本閱讀理解挑戰賽中,擊敗了Facebook和微軟,創造了閱讀理解能力測試的新紀錄,并在開放域問答任務上超越人類閱讀水平。

MS MARCO 挑戰賽是AI 閱讀理解領域的權威比賽,參賽機構提供的AI 模型需要在搜索引擎返回的網頁文檔中,找出100 萬個問題的正確答案。

阿里方面介紹,阿里AI 模型的突破在于提出了基于“融合結構化信息BERT 模型” 的“深度級聯機器閱讀模型”,可以模仿人類閱讀理解的過程,先對文檔進行快速瀏覽,判斷,然后針對相應段落進行精讀,并根據“自己的理解” 回答問題。

達摩院機器翻譯技術團隊已實現了48個語言翻譯方向,支持俄、西、法、阿、土,泰、印尼、越南等多種語言翻譯,其中電商覆蓋了大部分語向和場景,超越了谷歌和亞馬遜,日調用量達到17.9億次。

在機器視覺領域,機器智能技術實驗室在圖像搜索、大規模圖像識別、視頻分析、線下視覺智能等領域都有所建樹。其中,圖像搜索領域,阿里AI 的向量引擎比Facebook快6倍。

機器智能技術實驗室在6 月份剛剛結束的WebVision 競賽中,阿里AI 以82.54% 的識別準確率,擊敗了全世界150多支參賽隊伍,獲得冠軍。機器智能技術實驗室稱,阿里AI 目前可以識別超過100 萬種物理實體。

WebVison 是目前圖像識別領域最權威的競賽之一,專注于物體識別,被譽為接棒ImageNet 的大規模圖像識別競賽。

7 月,在CVPR2019舉辦的LPIRC(低功耗圖像識別挑戰賽)中,阿里AI獲得在線圖像分類任務第一名。在挑戰賽使用的訓練數據集上,阿里AI實現了67.4%的分類精度,比官方提供的基準線高3.5%。

值得注意的是,上述只是達摩院旗下機器智能技術實驗室的進展和成績。到2019 年10 月達摩院兩周年之際,會有更加全面的消息公布。

免責聲明:本文僅代表文章作者的個人觀點,與本站無關。其原創性、真實性以及文中陳述文字和內容未經本站證實,對本文以及其中全部或者部分內容文字的真實性、完整性和原創性本站不作任何保證或承諾,請讀者僅作參考,并自行核實相關內容。

http://www.wvhokd.live/style/images/nopic.gif
我要收藏
贊一個
踩一下
分享到
?
分享
評論
首頁
七星彩17142期号码预测