江苏龙网

  1. 首页 > 人文 > >

智东西：超强T4助力AI+语音猛冲行业领先，搜狗AI交互技术颠覆语音背后( 三 )


早在2017年 ， 搜狗通过P4的并行计算推理速度 ， 将语音识别请求效率提升50% 。 在之后的两年时间里 ， 随着Cuda升级至9.1以及算力的持续优化 ， 搜狗的语音识别请求效率不断提升 。 2019年11月 ， 搜狗将P4升级至T4后效率再度实现突破 ， 提升20% 。
智东西：超强T4助力AI+语音猛冲行业领先，搜狗AI交互技术颠覆语音背后
文章图片
伴随着引进T4GPU ， 其语音识别峰值日均调用量也从2017年的3.2亿次 ， 迅速增长到了2019年第三季度的8.3亿次 ， 有效实现了对海量识别请求的处理 ， 进一步强化了自身语音识别技术的潜力 ， 为行业创新和变革提供了新的发展方向 。
智东西：超强T4助力AI+语音猛冲行业领先，搜狗AI交互技术颠覆语音背后
文章图片
四、T4优化WaveRNN声码器 ， 推动源技术从学界落地产业
除了语音识别之外 ， 语音合成亦是检验语音技术公司实力的标准之一 。
搜狗语音合成支持男女多风格和中英俄多语种共数十种音色 ， 同时系统只需用户上传5分钟的音频 ， 即可生成该说话人的音色 ， 甚至能实现说话人的风格迁移 。
技术方面 ， 搜狗的语音合成技术基于WaveNet和WaveRNN声码器研发 ， 但由于WaveNet运算复杂度较高 ， 因此它最初很难实现搜狗线上实时生成语音的服务 。
为了优化WaveRNN声码器 ， 搜狗一方面在WaveRNN源技术论文的基础上进行了大量的研究工作 ， 并为了实用化修改大量代码结构；另一方面则基于T4对WaveRNN进行优化 ， 并定制开发实现的gemm算子 ， 进一步降低了语音合成的实时解码率 。
搜狗通过T4的优化性能 ， 也进一步打破学界与产业之间的迁移壁垒 ， 真正实现国内语音行业首创 ， 让WaveRNN声码器技术更好地服务AI语音行业的创新和发展 。
智东西：超强T4助力AI+语音猛冲行业领先，搜狗AI交互技术颠覆语音背后
文章图片
不仅如此 ， 随着搜狗AI交互技术开始涉及更多图像相关的应用 ， 如虚拟人、OCR、手写识别、唇语识别、图像以及视频生成等 ， 其深度学习平台对高可用、并行训练服务能力的需求亦进一步提升 。
例如 ， 在搜狗AI平台对外开放的过程中 ， 会有大量的用户涌入 ， 基于平台进行训练并定制自己的模型 ， 而在这一过程中 ， 搜狗AI平台需要在任务之间做好排队调度 ， 并充分考虑GPU的负载均衡等问题 。
“因此从平台层面看 ， 我们的服务会通过AI开放平台借助深度学习的能力 ， 去帮助更多的用户实现定制化AI的可能性 。 ”陈伟说到 。
值得一提的是 ， 随着英伟达TensorRT7的推出 ， 目前搜狗也开始在部分任务上尝试使用该平台 。 未来 ， 随着搜狗AI技术和业务的迭代和创新 ， 也会将TensorRT7逐步引入到更多任务中 。 五、高算力GPU助推语音交互和AI计算平台未来发展
如今 ， 搜狗在AI语音听写方面 ， 已与爱国者、纽曼、索尼、万城四家录音笔行业头部企业成立AI创新联盟 ， 联合搜狗输入法为市场超90%的录音笔提供接入服务 。
除此之外 ， 搜狗通过语音+唇语的多模态识别技术研发唇语识别系统 ， 嘈杂环境下识别准确率提升40%以上 ， 同时搜狗还通过搜狗翻译、合成和识别等技术 ， 在跨语言交流、机器同传等多个应用领域拿下行业领先的成绩 。
未来 ， 随着AI交互技术应用范围的不断扩展 ， 搜狗也将针对搜狗AI开放平台、多模态技术融合等方面进行升级 。
搜狗将借助AI开放平台加速推动AI核心能力对外开放；语音识别和语音合成两方面 ， 包括个性化语音合成、语音变声、多模态交互、手写识别、多模态同传等技术也将带来更多的体验创新和升级 。
从内部看 ， 搜狗也将真正打通各个研究团队在GPU资源上的共享能力 ， 并基于平台为公司提供一个相对通用的、统一的一套深度学习的并行训练能力 。


推荐阅读


上一篇：创投时报■华为旗舰屈居第二，第一实至名归，安卓机好评榜：小米高端机第7

下一篇：「车家号」触碰未来不是梦，长安UNI-TECH科技体验日