讓語音助手更像人，要做出哪些努力？

標貝科技是一家2016年2月組建，6月開始正式運營的語音合成公司。 憑藉不到30人的小團隊和僅僅1人的市場兼銷售，他們在成立當年便收回成本，實現收支平衡，更在2017年獲得了2000萬元以上的收入。

語音合成對多數人而言並不是多麼陌生的技術，大家都知道這一技術應用在哪些地方。 百度地圖、滴滴出行等出行類app，喜馬拉雅小雅音箱、Rokid若琪等智能音箱，出門問問等語音助手都被我們熟知。 他們的聲音背後，都有標貝的方案。

語音的背後是智能。 標貝科技在產業中所處的位置，是人工智能的人機交互部分，這部分可進一步細分為語音識別、語義分析（2017年在國內驟然興起的NLP）及語音合成三個領域。 誠然，作為一家創業公司，標貝科技需要面對不少先行者乃至巨頭；幸運的是，科大訊飛、捷通華聲等老前輩把更多精力集中於語音識別，近些年國內的創業同行們 也普遍專攻NLP，語音合成則相對是市場認知較晚、從業專家較少的領域。

國內最早研究語音合成的團隊，一些在國家機關如中科院，一些集中在高等學府如北大、清華、中科大等，一些則在科大訊飛、捷通華聲等公司任職。 最初的語音合成技術，應用於銀行叫號機、火車站廣播等跟互聯網沒啥關係的產品。 嚴格來說，那個時代的語音合成並不是人工智能的細分領域；也因此，在需求變化後，當語音合成離不開人工智能，這個行業需要一定程度的「從頭再來」，這也就給 了標貝科技等創業公司以機會。

雖然尚屬創業公司，但標貝科技的創始團隊及其核心技術人員普遍有著六、七年以上的從業經歷，他們來自科大訊飛、捷通華聲、百度等大企業，不僅是這一曾經的 冷門行業中為數不多的高級人才，彼此之間的合作也早有年月。 此次出來創業，以創始人劉爽為首的標貝科技，打算帶著語音合成的專業知識和經驗，全面擁抱人工智能時代。

僅僅提到「語音合成」，不足以描述標貝科技的垂直程度，實際上他們更專注於語音合成背後的數據庫及其加工方式。 簡而言之，機器說話可以理解為對人類說話的一種模仿，但人類說話並沒有一種固定的模式——拿高德地圖來說，林志玲語音包和默認語音包能一樣麼？ 基於林志玲創建的語音數據庫，可能就比來自其他人的更受歡迎一些。

更細微的差別不止於此。 一個成年人在興奮時什麼語氣，沮喪時什麼語氣，正午什麼音調，子夜什麼音調，工作時如何用詞，私密時如何用詞，可能都會有顯著區別。 對於社會而言，10年前人們普遍的說話方式，及今天人們普遍的說話方式，差異也是一聽便知。

比如你現在走進屋子來錄音。 你剛剛進來時的聲音，和你坐了一個小時後的聲音，其實是不一樣的。 如果用這種有瑕疵的數據庫來做語音合成，就很難避免不自然、不像人的地方。

消除語音助手的「機器味」，或至少避免嚴重的違和感，產品背後的語音數據庫就一定要與產品調性匹配，並且與時俱進——同樣是神似真人的聲音，你大概不希望 打理日常瑣事的語音助手，是2006年黃健翔解說足球比賽那個風味吧？

標貝所做的事情，就是通過構建更完善、更優質的數據庫，讓機器發聲更自然、更貼近真人，也更適合產品自身的需要。 使用過小雅音箱或若琪（這兩款音箱的語音合成都來自標貝）的朋友大可自己判斷，和其他產品相比，哪些聲音聽起來更舒服。

標貝科技創始人劉爽表示，從數據庫切入市場也有另一重考量，在於數據庫更有說服力。 比起對技術的解讀，直接展示手中的資源更容易打動客戶。 不過，如今的標貝也推出了比數據庫更直觀的產品——免費、公開的測評工具，讓不了解自己「為什麼做不好語音合成」的客戶明白問題出在哪兒。

發現問題後，有些問題可以通過技術層面的改善解決，有些則必須調整數據庫本身。 這時，標貝積累的資源就能派上用場。 基於更好的數據庫，很多努力都可以事半功倍；對於企業來說，既然沒必要重複造輪子，提前做好準備的標貝，就順勢成為了許多企業的首選。 畢竟，時代已不同以往，想要在人工智能領域取得優勢，細節非常重要。

不管說的內容是什麼，有人說話讓你聽著很舒服，有人則讓你很煩躁。 聲音是一個與體驗密切相關的東西，合格的就是合格，不合格的就是不合格。 不合格的聲音再怎麼做些微改善，也達不到今天的要求。

而不合格的聲音帶來的，則是顧客對產品評價的全面下降。 回憶一下，在與通常的語音客服交流時，聽著那種語速極慢的機器聲音逐個蹦字「XXX請按1，XXX請按2……」，你的第一需求是否是「馬上轉 接人工」？ 類似語音客服的存在，不僅沒有很好地緩解人工客服的壓力，更是浪費了客戶的時間。 不管對企業還是對社會，這種聽起來就像機器的聲音，都有改善的必要。

「人工智能興起之前，市場沒有對語音合成的需求。所以直到2015年、2016年，這個行業才有創業的機會。」劉爽說，標貝能很快與各行各業、很多公司開始合作， 也正因為語音合成的圈子太小，誰做了什麼、做得怎麼樣，圈里人都一清二楚。 團隊實力強勁的標貝，很快便受到關注，業務起步迅速也是情理之中了。

正因為行業以前有點「隱形」，從業人員太少，現在的人工智能公司，無論做智能音箱、語音助手還是兒童玩具，都極難找到足夠人才組建自己的語音合成團隊。 這時，由行業精英組成的，為數不多的幾家創業公司，會對市場起到舉足輕重的支持作用。 標貝科技也因此被凱泰資本看好，於2017年10月拿到1000萬元規模的Pre-A輪融資。

值得一提的是，從成立初期一直到2018年，標貝提供的主要服務就是數據庫及部分算法，從一個相當垂直的角度切入市場，打造了良好口碑。 但今年開始，考慮到越來越多的新公司、小團隊也加入了人工智能大軍，而他們需要的更可能是完整的語音合成方案，標貝也推出了自己的語音合成全套服務。

那麼，哪些行業最可能成為標貝的客戶呢？ 劉爽透露道，雖然目前能見到的還不多，但人工智能語音很快就會在泛文娛方向發力，尤其是遊戲及兒童玩具等。 劉爽說，遊戲中的NPC引入人工智能後，就能應對更多的情況，不再重複向玩家播放兩三句固定台詞。

這不禁令我想起《上古捲軸5：天際》的一些智能NPCmod。 mod雖然帶來了更豐富的內容，無非也只是從一個小框架跳到一個大框架裡，用mod作者的努力代替了遊戲團隊的更新。 但智能化的NPC，則能跳出框架，進入一個真正自由的領域。 屆時，遊戲，尤其是近年火熱的開放世界遊戲，顯然會給玩家帶來更豐富多變的體驗，也能極大延長游戲的壽命。

與此同時，若將更好的語音合成技術應用於機器人，則家用機器人就會更有陪伴感，更適合照顧小孩、老人。 今年的中國，機器人娛樂很可能成為重要的一環，我們不妨批判一下它們的語音系統——誰是智能的，誰還停留在「銀行客服」水平。