高建清表示，SMART-TTS系統(tǒng)充分利用了文本和語(yǔ)音的‘無(wú)監(jiān)督預(yù)訓(xùn)練’，實(shí)現(xiàn)了從文本到聲學(xué)特征、再到語(yǔ)音的端到端建模。SMART-TTS系統(tǒng)可提供“高興、抱歉、撒嬌、嚴(yán)肅、悲傷、困惑、害怕、鼓勵(lì)、生氣、安慰、寵溺”等11種情感，每種情感有20檔強(qiáng)弱度不同的調(diào)節(jié)能力；也能提供聲音的創(chuàng)造能力，如停頓、重音、語(yǔ)速等，可以根據(jù)自己喜好調(diào)節(jié)，真正實(shí)現(xiàn)了合成系統(tǒng)媲美具備個(gè)性化特點(diǎn)的真人表達(dá)能力。

 

　　比如當(dāng)人們?cè)诹质a路漫步時(shí)，機(jī)器人可以用字正腔圓的“播音腔”播報(bào)新聞；當(dāng)人們結(jié)束一天工作準(zhǔn)備入睡時(shí)，機(jī)器人可以用輕聲細(xì)語(yǔ)朗讀散文；當(dāng)人們驅(qū)車上班時(shí)，機(jī)器人可以用最喜歡的歌手聲音告訴大家走哪條路不堵車；當(dāng)人們和家人一起觀看紀(jì)錄片時(shí)，機(jī)器人可以為片中不同人物配音。人機(jī)交互表達(dá)自然、情感飽滿。目前，訊飛有聲APP和訊飛開(kāi)放平臺(tái)都開(kāi)放了SMART-TTS語(yǔ)音合成系統(tǒng)，開(kāi)發(fā)者可以在訊飛有聲直接下載體驗(yàn)，或在開(kāi)放平臺(tái)進(jìn)行調(diào)用。同樣隸屬于AIGC范疇，在聲音和虛擬形象生成技術(shù)方面，科大訊飛實(shí)現(xiàn)了語(yǔ)義可控的聲音、形象生成，語(yǔ)義驅(qū)動(dòng)的情感、動(dòng)作表達(dá)。比如：當(dāng)人們輸入“一頭長(zhǎng)發(fā)”時(shí)，SMART-TTS系統(tǒng)智能生成溫柔大方的女性形象，聲音端莊又不失甜美；輸入“英俊瀟灑”，會(huì)生成有一些商務(wù)范的男生形象，聲音略帶磁性。此外，訊飛還實(shí)現(xiàn)了語(yǔ)音語(yǔ)義驅(qū)動(dòng)的動(dòng)作合成，通過(guò)對(duì)語(yǔ)音節(jié)奏、韻律體會(huì)和語(yǔ)義理解，虛擬人可以隨時(shí)、流暢地切換動(dòng)作，擁有更加自然的肢體語(yǔ)言。“與傳統(tǒng)動(dòng)作庫(kù)相比，這套語(yǔ)義驅(qū)動(dòng)的系統(tǒng)在動(dòng)作擬人度及契合度方面，有明顯的效果提升。”高建清表示。同時(shí)，2022年科大訊飛科大訊飛在交互系統(tǒng)的認(rèn)知關(guān)鍵技術(shù)也取得突破性進(jìn)展。

 

　　今年以來(lái)，依托科大訊飛建設(shè)的認(rèn)知智能國(guó)家重點(diǎn)實(shí)驗(yàn)室相關(guān)團(tuán)隊(duì)在認(rèn)知智能技術(shù)突破方面奪得3項(xiàng)國(guó)際冠軍——在常識(shí)推理挑戰(zhàn)賽CommonsenseQA 2.0中刷新機(jī)器常識(shí)推理水平世界紀(jì)錄，在科學(xué)常識(shí)推理挑戰(zhàn)賽OpenBookQA中以準(zhǔn)確率94.2%的絕對(duì)優(yōu)勢(shì)奪冠，在常識(shí)推理挑戰(zhàn)賽QASC中以多模型準(zhǔn)確率93.48%、單模型準(zhǔn)確率92.07%奪冠，后兩項(xiàng)比賽更是超越人類平均水平。隨著核心源頭技術(shù)創(chuàng)新和系統(tǒng)性創(chuàng)新的持續(xù)突破，AI擁有更加“智慧”的語(yǔ)義理解和對(duì)話生成能力。“好的人機(jī)交互系統(tǒng)，在開(kāi)放式的場(chǎng)景下要具備深度理解能力，并能了解交互對(duì)象從而發(fā)起主動(dòng)的對(duì)話。”高建清說(shuō)，圍繞認(rèn)知智能技術(shù)，訊飛實(shí)現(xiàn)了于語(yǔ)義圖網(wǎng)絡(luò)的開(kāi)放場(chǎng)景語(yǔ)義理解，基于事理圖譜的對(duì)話管理，基于知識(shí)學(xué)習(xí)的可控對(duì)話生成。