今年7月，達摩院發(fā)布新一代語音合成技術KAN-TTS，首次將該數(shù)字提高到97%以上。這被認為是入選MIT Technology Review 2019年”全球十大突破性技術”后，阿里巴巴語音技術實力的又一次跨越式提升。
基于遷移學習以及多種新型算法模型，KAN-TTS可根據(jù)特定發(fā)音人的風格快速生成高度相似的語音，并且大幅降低語音合成的門檻，手機錄音十分鐘，機器即可通過算法完成聲音的模仿。
過去數(shù)月，KAN-TTS技術已實現(xiàn)了主流場景風格聲音的全覆蓋，可針對通用場景、客服場景、童聲場景、英文場景和方言場景，提供 41種高品質的聲音，例如溫柔、甜蜜、嚴厲等風格。據(jù)達摩院專家透露，團隊還計劃用該技術來幫助視障和語言障礙人士實現(xiàn)無障礙溝通。
達摩院成立兩年以來，阿里巴巴在視覺、語音以及自然語言處理等領域已創(chuàng)下了多項世界紀錄，并且躍升為中國最大的人工智能公司。今年的杭州云棲大會上，阿里巴巴表示，阿里AI每天調用超1萬億次，服務全球10億人，日處理圖像10億張、視頻120萬小時、語音55萬小時及自然語言5千億句。
