成立快两年，阿里巴巴达摩院都干什么了？

达摩院成立快两年之际，机器智能技术实验室抢先展示了一下成绩。

2017 年 10 月，阿里成立了达摩院，覆盖 5 个研究领域，建有 14 个实验室。除了上述的“机器智能”，达摩院研究大方向还有数据计算、机器人、金融科技、X 实验室。

机器智能技术实验室侧重于 AI 相关技术的基础研究，旗下设有语音实验室、视觉实验室、语言技术实验室、决策职能实验室、以及城市大脑实验室。

近日，达摩院机器智能技术实验室举办了一场小型媒体沟通会，几位技术专家向外界介绍了最新成果和进展。

兼具表现力和稳定性的语音合成技术

首先，机器智能技术实验室正式发布了新的语音合成技术 KAN-TTS（KAN 指的是 Knowledge-Aware Neural）。TTS（Text-To-Speech，文本到语音）是一种将文字转化成语音的技术，智能音箱、个人虚拟助理都需要这种技术支持。

达摩院机器智能语音实验室高级算法专家雷鸣介绍，当前业界商用系统的合成语音与原始音频录音的接近程度，通常在85%到90%之间，而基于KAN-TTS技术的合成语音可将该数据提高到97%以上。

简单来说，KAN-TTS 合成的语音更加像真人的语音，“接近真人韵律的感觉”。

“我们新一代的 TTS 解决方案深度融合了传统 TTS 和端到端 TTS，基于不同领域的深层 Knowledge。”雷鸣介绍道。

所谓端到端 TTS，即不依靠领域知识，基于强大的深度学习模型、海量数据来生成音频，优势是大大节省设计的工作，并且得到更加流畅、表现力更好的合成语音，但需要大量计算力支持，而且会出现丢字、漏字等不稳定的情况。Google 的 Tacotron 和 DeepMind 的 WaveNet 都是典型的端到端 TTS 模型。

而传统 TTS 需要花费大量时间和精力去了解相关的领域知识，设计难度较高，但胜在合成的语音比较稳定。

通过将传统 TTS 和端到端 TTS 的结合，KAN-TTS 结合了两者的优势，充分利用不同领域的深层 Knowledge，合成表现力和稳定性具佳的语音。

针对不同的需求，机器智能技术实验室提供了“开箱即用”的 TTS 产品，覆盖 5 大场景（通用场景、客服场景、童声场景、英文场景和方言场景），具备 34 个高品质的声音。

除了“开箱即用”的声音，达摩院这个语音合成方案还能让专业用户定制声音。

传统语音合成定制需要10小时以上的数据录制和标注，对录音人和录音环境要求很高。“从启动定制到最终交付，需要半年时间”。而达摩院利用Multi-Speaker Model与Speaker-aware Advanced Transfer Learning相结合的方法，将语音合成定制成本降低10倍以上，周期压缩3倍以上。

也就是说，用1小时有效录音数据和不到两个月制作周期，就能完成一次标准 TTS 定制。

此外，普通用户也可以自己定制“AI声音”，只需手机录音十分钟，就能获得与录制声音高度相似的合成语音。

语音、自然语言、视觉各领域都有新成绩

除了公布新语言合成方案，机器智能技术实验室还亮出了新成绩。

机器智能技术实验室透露，阿里AI在国际顶级技术赛事上获得了40多项世界第一，入选了近400篇国际顶会论文。具体到细分领域，机器智能技术实验室最近都有不同建树。

语音领域，2019年1月机器智能技术实验室在国际顶级对话系统评测大赛（DSTC-7）上获得双料冠军，将人机对话准确率的世界纪录提升至94.1%，并于2019年7月开源了创造这一记录背后的人机对话模型 ESIM。

事实，该算法模型提出了两年多，已被包括谷歌、facebook在内的国际学术界在200多篇论文中引用。

自然语言理解方面，机器智能技术实验室在 6 月的 MS MARCO 文本阅读理解挑战赛中，击败了 Facebook和微软，创造了阅读理解能力测试的新纪录，并在开放域问答任务上超越人类阅读水平。

MS MARCO 挑战赛是 AI 阅读理解领域的权威比赛，参赛机构提供的 AI 模型需要在搜索引擎返回的网页文档中，找出 100 万个问题的正确答案。

阿里方面介绍，阿里 AI 模型的突破在于提出了基于 “融合结构化信息 BERT 模型” 的 “深度级联机器阅读模型”，可以模仿人类阅读理解的过程，先对文档进行快速浏览，判断，然后针对相应段落进行精读，并根据 “自己的理解” 回答问题。

达摩院机器翻译技术团队已实现了48个语言翻译方向，支持俄、西、法、阿、土，泰、印尼、越南等多种语言翻译，其中电商覆盖了大部分语向和场景，超越了谷歌和亚马逊，日调用量达到17.9亿次。

在机器视觉领域，机器智能技术实验室在图像搜索、大规模图像识别、视频分析、线下视觉智能等领域都有所建树。其中，图像搜索领域，阿里 AI 的向量引擎比Facebook快6倍。

机器智能技术实验室在 6 月份刚刚结束的 WebVision 竞赛中，阿里 AI 以 82.54% 的识别准确率，击败了全世界150多支参赛队伍，获得冠军。机器智能技术实验室称，阿里 AI 目前可以识别超过 100 万种物理实体。

WebVison 是目前图像识别领域最权威的竞赛之一，专注于物体识别，被誉为接棒 ImageNet 的大规模图像识别竞赛。

7 月，在CVPR2019举办的LPIRC（低功耗图像识别挑战赛）中，阿里AI获得在线图像分类任务第一名。在挑战赛使用的训练数据集上，阿里AI实现了67.4%的分类精度，比官方提供的基准线高3.5%。

值得注意的是，上述只是达摩院旗下机器智能技术实验室的进展和成绩。到 2019 年 10 月达摩院两周年之际，会有更加全面的消息公布。

成立快两年，阿里巴巴达摩院都干什么了？相关推荐

马云爸爸成立快一年的达摩院，究竟在做什么？
去年10月份,"马云爸爸"做了一件非常惊人的事--成立阿里巴巴达摩院. 阿里之下的达摩院,来源于武侠小说,作为武学最高研究机构,达摩院代表了修为的最高境界.同样,科研也代表了精进. ...
2021十大科技趋势来了！阿里巴巴达摩院全新发布
来源: 阿里技术阿里巴巴达摩院发布2021十大科技趋势,这是达摩院成立三年以来第三次发布年度科技趋势. 2020年是不平凡的一年,经历疫情的洗礼,许多行业重启向上而生的螺旋,但疫情并未阻挡科技前进的 ...
岗位内推 | 阿里巴巴达摩院决策智能实验室招聘全职/实习生
PaperWeekly 致力于推荐最棒的工作机会,精准地为其找到最佳求职者,做连接优质企业和优质人才的桥梁.如果你需要我们帮助你发布实习或全职岗位,请添加微信号「pwbot02」. 阿里巴巴达摩院机器 ...
云要闻 | 中兴通讯一条关于5G 的大新闻；阿里巴巴达摩院“发声”；微软获准在卡塔尔开设全球数据中心！...
戳蓝字"CSDN云计算"关注我们哦! Hello,everyone: 1月4日,星期五 CSDN云要闻时间: 嗨,大家好,偶是"CSDN 云计算"微信公众号 ...
阿里巴巴达摩院发布 2021 十大科技趋势
来自新智元阿里巴巴达摩院发布 2021 十大科技趋势,这是达摩院成立三年以来第三次发布年度科技趋势. 2020 年是不平凡的一年,经历疫情的洗礼,许多行业重启向上而生的螺旋,但疫情并未阻挡科技前进的 ...
阿里巴巴达摩院ICLR 2020论文：从群体动态中认知个体
2020-01-21 16:17:16 人工智能顶会 ICLR 2020 将于 4 月 26 日于埃塞俄比亚首都亚的斯亚贝巴举行.据了解,本次大会共有 687 篇论文被收录,其中,阿里巴巴达摩院提交的 ...
杭州内推 | 阿里巴巴达摩院自然语言基础研究组招聘研究型实习生
合适的工作难找?最新的招聘信息也不知道? AI 求职为大家精选人工智能领域最新鲜的招聘信息,助你先人一步投递,快人一步入职! 阿里巴巴达摩院随着通用大规模预训练语言模型研究的深入和应用的开展,包括多 ...
北京/杭州 | 阿里巴巴达摩院自然语言智能生物医学团队招聘研究型实习生
合适的工作难找?最新的招聘信息也不知道? AI 求职为大家精选人工智能领域最新鲜的招聘信息,助你先人一步投递,快人一步入职! 阿里巴巴达摩院我们是达摩院自然语言智能下的生物医学信息处理团队,目前的研 ...
专科python应届生工资多少-阿里巴巴达摩院招聘应届生
阿里巴巴-达摩院-机器智能技术实验室,致力于研发国际领先的大规模机器学习.语音.图像.视觉.自然语言处理.智能决策等人工智能领域技术.我们是人工智能工程技术团队,致力于打造世界一流的工程技术平台:目前 ...

成立快两年，阿里巴巴达摩院都干什么了？

成立快两年，阿里巴巴达摩院都干什么了？相关推荐

最新文章

热门文章