阿里達(dá)摩院發(fā)布新一代自研語音AI芯片技術(shù)

　　在美國舊金山舉行的芯片行業(yè)頂級學(xué)術(shù)會議HOTCHIPS上，阿里巴巴達(dá)摩院發(fā)布了新一代AI語音FPGA芯片技術(shù)——Ouroboros，該技術(shù)能將語音生成算法的計(jì)算效率提高百倍以上。這是業(yè)界首款專用于語音合成算法的 AI FPGA芯片結(jié)構(gòu)設(shè)計(jì)。

　　作為芯片領(lǐng)域的頂級峰會之一，HOTCHIPS 與其他頂級半導(dǎo)體會議的顯著區(qū)別之一就是更側(cè)重于商業(yè)應(yīng)用，而非僅僅是學(xué)術(shù)項(xiàng)目，此次阿里發(fā)布的Ouroboros 就是面向語音合成領(lǐng)域商業(yè)應(yīng)用的 FPGA 加速計(jì)算方案。

　　針對 ASIC 實(shí)現(xiàn)的性能仿真預(yù)估表明， Ouroboros 的設(shè)計(jì)可以實(shí)時運(yùn)行 WaveNet 等業(yè)界先進(jìn)的文字轉(zhuǎn)語音(TTS，Text-to-Speech)算法 ，實(shí)現(xiàn)實(shí)時語音合成。

　　算法很好但難以進(jìn)行實(shí)時計(jì)算是語音芯片的行業(yè)難題。Ouroboros的突破在于它使用了端上定制硬件加速技術(shù)，替代云端服務(wù)器，有效避免了對網(wǎng)絡(luò)連接和云端服務(wù)的強(qiáng)依賴性，解決了這一問題。以計(jì)算量最大的AI語音合成算法WaveNet為例，為了生成1秒的語音，CPU和GPU需要消耗50秒的計(jì)算時間，但Ouroboros在FPGA環(huán)境下只需要 0.3秒，大大提升計(jì)算效率，同時將整體服務(wù)成本降低 10 倍以上。

　　阿里用戶在使用天貓精靈、高德導(dǎo)航、智能點(diǎn)餐機(jī)等服務(wù)時，將率先得到媲美真人語音交互的體驗(yàn)。

　　阿里發(fā)布的 Ouroboros 技術(shù)，同樣適用于達(dá)摩院于今年 7 月發(fā)布的新一代的語音合成算法KAN-TTS。該算法將商用系統(tǒng)里的合成語音與原始語音的相似度提高到97%以上，是目前業(yè)界體驗(yàn)最好的語音生成算法。自研算法與自研AI芯片設(shè)計(jì)的結(jié)合，意味著阿里在語音生成領(lǐng)域?qū)崿F(xiàn)了真正的“軟硬一體化”計(jì)算結(jié)構(gòu)的落地。

　　據(jù)了解，Ouroboros 芯片技術(shù)除了語音合成之外，還將支持AI語音識別。基于 Ouroboros 研發(fā)完整的語音AI芯片，有望率先在天貓精靈上落地。

　　轉(zhuǎn)自：TechWeb

　　【版權(quán)及免責(zé)聲明】凡本網(wǎng)所屬版權(quán)作品，轉(zhuǎn)載時須獲得授權(quán)并注明來源“中國產(chǎn)業(yè)經(jīng)濟(jì)信息網(wǎng)”，違者本網(wǎng)將保留追究其相關(guān)法律責(zé)任的權(quán)力。凡轉(zhuǎn)載文章及企業(yè)宣傳資訊，僅代表作者個人觀點(diǎn)，不代表本網(wǎng)觀點(diǎn)和立場。版權(quán)事宜請聯(lián)系：010-65367254。

延伸閱讀