免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

往往在放下手機之后你才會意識到，電話那頭的客服其實是個機器人；或者準確地說，是“一位”智能客服。

沒錯，今天越來越多的工作正在被交給人工智能技術去完成，文本轉語音（TTS，Text To Speech）就是其中非常成熟的一部分。它的發展，決定了今天我們聽到的許多“人聲”，是如此地逼真，以至于和真人發聲無異。

除了我們接觸最多的智能客服，智能家居中的語音助手、可以服務聽障人士的無障礙播報，甚至是新聞播報和有聲朗讀等服務，事實上都基于TTS這項技術。它是人機對話的一部分——簡單地說，就是讓機器說人話。

它被稱為同時運用語言學和心理學的杰出之作。不過在今天，當我們稱贊它的杰出時，更多的是因為它在在線語音生成中表現出的高效。

要提升語音合成效率當然不是一件容易的事。這里的關鍵是如何讓神經聲碼器高效地用于序列到序列聲學模型，來提高TTS質量。

科學家已經開發出了很多這樣的神經網絡聲碼器，例如WaveNet、Parallel WaveNet、WaveRNN、LPCNet 和 Multiband WaveRNN等，它們各有千秋。

WaveNet聲碼器可以生成高保真音頻，但在計算上它那巨大的復雜性，限制了它在實時服務中的部署；

LPCNet聲碼器利用WaveRNN架構中語音信號處理的線性預測特性，可在單個處理器內核上生成超實時的高質量語音；但可惜，這對在線語音生成任務而言仍不夠高效。

科學家們希望TTS能夠在和人的“交流”中，達到讓人無感的順暢——不僅是語調上的熱情、親切，或冷靜；更要“毫無”延遲。

新的突破出現在騰訊。騰訊 AI Lab（人工智能實驗室）和云小微目前已經率先開發出了一款基于WaveRNN多頻帶線性預測的全新神經聲碼器FeatherWave。經過測試，這款高效高保真神經聲碼器可以幫助用戶顯著提高語音合成效率。

英特爾的工程團隊也參與到了這項開發工作中。他們把面向第三代英特爾至強可擴展處理器所做的優化進行了全面整合，并采用了英特爾深度學習加速技術（英特爾 DL Boost）中全新集成的 16 位 Brain Floating Point （bfloat16） 功能。

bfloat16是一個精簡的數據格式，與如今的32位浮點數（FP32）相比，bfloat16只通過一半的比特數且僅需對軟件做出很小程度的修改，就可達到與FP32同等水平的模型精度；與半浮點精度 （FP16） 相比，它可為深度學習工作負載提供更大的動態范圍；與此同時，它無需使用校準數據進行量化／去量化操作，因此比 INT8 更方便。這些優勢不僅讓它進一步提升了模型推理能力，還讓它能為模型訓練提供支持。

事實上，英特爾至強可擴展處理器本就是專為運行復雜的人工智能工作負載而設計的。借助英特爾深度學習加速技術，英特爾志強可擴展處理器將嵌入式 AI 性能提升至新的高度。目前，此種處理器現已支持英特爾高級矢量擴展 512 技術（英特爾AVX－512 技術）和矢量神經網絡指令 （VNNI）。

在騰訊推出的全新神經聲碼器FeatherWave 聲碼器中，就應用了這些優化技術。

FeatherWave 聲碼器框圖