聚焦成長|賦能品牌
為助力園區企業品牌宣傳、打造企業創新生態，中關村東升科技園推出原創欄目《企業家專訪》。以聚焦成長+賦能品牌為主題，深入了解企業成長歷程、角色定位、企業文化等，并深入挖掘企業需求，提升企業長期發展競爭力。
本期《企業家專訪》欄目特別邀請標貝（北京）科技有限公司創始人CEO劉博，透過標貝科技在智能語音領域的技術深研與發展路徑，洞見智能語音賽道未來之路。
標貝科技創始人CEO劉博
中歐EMBA，對外經貿大學碩士；連續創業者，曾創立蓋博資本管理有限公司，擔任創始人兼CEO；2016年，創立標貝科技，負責整體戰略發展、運營管理及資本等。
語音作為語言的物質載體和人類日常生活交流的重要信息載體，承載著豐富的語言內涵，是人類進行信息交流的重要傳遞通道。日常生活中，超過20%以上的交流都需要通過語音來完成。同一語音情境下，不同的語調、語氣和情緒的不同都會影響語義的傳達。隨著人工智能時代的到來，智能語音交互技術也成為了人機智能交流的重要載體。智能語音作為橋接人和機器語音交流的人工智能應用，一方面承載著機器和人的交流，另一方面直達知識和邏輯。如何通過海量數據的快速學習，讓機器理解不同情緒、語調下的多人語音內容和含義，通過機器生成更加自然的聲音體驗，是語音交互始終致力解決的難題。
標貝科技通過語音技術與數據，將情感與用戶的有機串聯，不斷拓展AI語音技術的應用場景，圍繞生活場景、辦公效率、行業協同，打造完整的智能語音生態服務體系。
據了解，標貝科技從2016年成立至今，基于先進AI語音算法及海量數據規模優勢，已推出多場景應用的語音交互方案，包括通用場景的語音合成、語音識別，以及高音色TTS定制、聲音復刻、情感合成和聲音轉換等在內的語音技術產品。為機器賦予生命力，能夠有溫度的、有情感的與用戶進行交流，讓人機交互變得更簡單、美好。
短短幾年時間，標貝科技從默默無聞到科技黑馬，從悄無聲息到一鳴驚人，更是在2020年成功入選中國科創產業新銳TOP50榜單。讓我們回顧標貝科技的成長歷程，共同探索標貝如何實現從0到1的技術夯實，以及從1到10的快速成長，從而處于智能語音交互領域行業標桿地位的探索升級之路。
第一階段
語音賽道數據為王
2016年，標貝科技于中關村東升科技園成立。作為一家專注于智能語音交互和AI數據服務的人工智能公司，短短5年時間，標貝科技已與華為、騰訊、阿里、字節跳動、人民日報、新華社等百余家知名企業及機構客戶建立戰略合作，服務項目累計超過1000項，涵蓋有聲閱讀、智能客服、智慧金融、AI教育、泛娛樂、自動駕駛、智慧城市等眾多領域。
作為語音交互技術領域的黑馬，標貝除了技術的深研和專注外，創始人劉博對于智能語音賽道的專注和獨到的戰略布局，也是標貝能在短時間內脫穎而出、巨量增長的關鍵。
回望整個標貝科技發展進程及技術路徑，劉博表示，標貝創立之初便進行了前瞻性的數據產業布局，基于3-5年的經驗及技術累積迭代，標貝已經建立了超過10萬小時的數據庫，這些數據累積也為下一階段的技術運用打下了堅實基礎，初步建立了標貝的核心競爭力。
專注、務實、創新，是標貝一路積微成著，走向行業領先道路上不可或缺的因素。
第二階段
算法深耕創新語音合成
2017年，標貝邁入第二發展階段，即從數據的累積到基于算法的深層探索。劉博表示，海量的數據積累，為垂直行業多元化場景的深度結合打下了堅實的基礎。基于海量真實、有溫度、有情感的語音積累，結合算法的優化迭代，標貝科技推出了可應用于泛娛樂、智能家居、智能客服等多個行業的多語種，多音色，多情緒的語音交互解決方案，實現了無差別與真實交互的虛擬語音交互。
例如為金融領域提供的具有雙錄主播功能解決方案，通過提供無感知的虛擬數字人交互，在時效保證、服務標準、服務質量、服務時長等方面既保證了輸出的一致性，也減緩了企業的運營成本。
同時，標貝科技融合了語音喚醒、語音識別、語音合成、語義理解和人臉識別等系列技術，通過移動設備、智能大屏等終端展現形式，從多場景的實際需求出發，打造的人機交互解決方案-AI虛擬數字人，以高仿真服務和7*24小時無差別的服務輸出，滿足場館介紹、產品介紹、業務介紹使用者只需選擇想要了解的內容進行問詢或操縱，虛擬數字人便可以娓娓道來，效果不輸真人，實現用戶與虛擬數字人之間的面對面互動交流、服務導覽、智能問答、業務咨詢等服務，以豐富的行業知識庫、靈活的配置管理、交互數據快速迭代更新，進一步實現了企業的降本增效。
三星堆講解
語音合成方面，標貝科技發展至今已歷經三個階段，無論是在場景落地還是技術演化方面，均有巨大突破。
1.0階段注意力機制深度學習首次商用
為了提高語音合成的自然流暢度，標貝科技的語音合成技術在聲學、韻律上采用了基于Attention機制的深度神經網絡技術模型，充分利用文本數據，構建前端模塊、選擇合適的聲碼器，降低運算量，實現合成語音的發音自然、清晰、韻律感流暢，讓機器與人的互動顯得更親近。
2.0階段音色擴展個性化合成
為了滿足不同場景的需求，標貝科技在音色和場景豐富度上持續發力。基于海量語音數據的優勢，對音色庫進行充分擴充，推出支持不同年齡、性別、以及語種的多類型音色的TTS2.0解決方案，并支持用戶個性化需求定制，滿足了多場景及多業務的需求。
語音技術方面，標貝打造了支持聲音復刻、情感合成等個性化、差異化的語音技術服務。聲音復刻與情感合成是基于語音技術本身的創新型應用。通過復刻聲音，為聲音注入豐富的情感，深度挖掘合成語音的個性化、定制化價值，更好的匹配有聲閱讀、AI教育等應用場景。
3.0階段深度學習框架升級，更有表現力更自然的聲音
全新升級的TTS3.0技術采用全新的Transformer機制和GAN聲碼器，升級了全新的模型結構的基礎上，依舊保持了對tts2.0舊模型的全部兼容，最大程度地保證無縫升級。同時，新系統使用了高維度的聲學信息，可以承載更多的聲音細節，顯著提升了現有發音效果。無論是自然講話、情緒講話、還是角色模仿，都大大提升了多場景下角色和情感表達判斷的精確性，同時保障了輸出音質的穩定、清晰、順暢，聲碼器采用GAN結構，不但高效且真實的還原了波形，同時為合成聲音注入了真實質感。
第三階段
需求出發打造AI語音生態戰略
提及智能語音的未來愿景及標貝的發展，劉博的戰略格局則更為宏觀。在訪談中劉博透露：人工智能的終極目的是解決實際需求。任何單點產品都無法完全解決核心問題，標貝更希望通過數據的積累，以及算法的深度融合，最終實現一套完整的解決方案，形成優化、快速響應的能力，從而打造標貝獨特的競爭優勢和技術壁壘。近年來，高性能計算、信號處理、模式識別及聲學技術發展迅速，針對不同應用需求而研究開發語音識別系統已成為可能，因此，語音識別技術在智慧辦公、智慧政務、物聯網、車聯網等眾多領域得到了廣泛的推廣和應用。同時，標貝還在不斷拓展金融和泛娛樂版塊，通過三大場景的場景布局，打造未來戰略方向。
劉博補充說道，為進一步提升技術產品服務能力及人工智能語音場景落地，滿足更多開發者和商業化客戶對于智能語音交互的需求，全效助力開發者構建AI語音生態，標貝科技在今年4月正式推出智能語音開放平臺。
目前，標貝開放平臺提供的智能語音服務主要包括語音合成（TTS）與語音識別（ASR），開發者可以在平臺操作界面創建多個智能語音應用，系統會為該應用自動匹配語音識別和語音合成服務。語音識別包括一句話識別、長語音識別、錄音文件識別；語音合成可選擇在線合成、離線合成、長文本合成三種，用戶可根據自身需求進行用量、音色、并發等接入試用。通過快速的體驗、測試，讓開發者和合作伙伴直接感受標貝語音技術的能力，通過豐富的文本接入指導，以及便捷的支付方式，讓用戶可以一站式的購買接入標貝的語音服務。
未來
屬于智能語音最好的時代即將到來
談及智能語音的未來發展，劉博給出了自己的理解和預測，其實從20-21年開始。我們可以發現整個語音市場已經逐漸進入快速爆發性的增長階段。隨著人工智能、計算技術和信號處理技術的飛速發展，以及自然語言與計算機網絡的結合，語音信息智能處理作為人機交互的關鍵技術，已成為世界各國研究者廣泛關注的熱點問題之一。尤其是隨著數字化及5G時代的到來，人們迫切需要對具有多通道、多場景、多語言特征的海量語音信息技術進行智能語音的深化研究與創新突破。
智能語音第一次帶來了不需要任何門檻的全人類的協作，人工智能的自我演化就此開始，目前智能語音在進化的道路上，還需要突破語義理解這道門檻，一旦機器能真正用人類的方式進行溝通，做出超越經驗的預判，才真正實現了所謂的智能。但我相信不會太久，屬于語音最好的時代，便會到來！
官網：https://www.data-baker.com/#/index
