微软管震：基于神经网络的语音合成（预览版）正式上线

“我们听到一个词叫‘边缘智能 ’或‘边缘计算’，智能放在边缘上面，会产生很多有意思的事情。”

12月20日，微软中国首席技术顾问管震在“2019智能终端 AI+技术峰会暨2018全球好手机最佳供应商颁奖典礼”上发表了题为《边缘智能的力量》的演讲，并表示，微软目前在人工智能更新上有一些进展，其中包括语音合成、机器翻译研究系统等。

“5G到来之前，边缘计算是一个避不过去的话题。”

微软中国首席技术顾问管震

12月，基于神经网络的语音合成（预览版）正式上线。

据介绍，此版本的语音合成质量更高，引擎性能也更为出色。

“我很惊讶，我以为人工智能应该不会发展这么快。实际上，微软的语音合成已经达到一个较高的水平。”管震表示。

随后，管震现场播放了两段音频，“虽不至于诗与远方都是幻想，但陌生的环境未知的生活，并非每个人都有能力、有心境、有底气把日子过得开出花。”“为你找到以下列车，其中第一班是后天14:10从杭州出发，二等座价格是73元。”

“大家可以猜猜，哪个是录音，哪个是AI合成。”管震笑了笑说道，“实际上，这两段音频都是AI合成。”而前一段音频更具人性化。

管震指出，“客户向我们提出了更高的要求。毕竟手机的语音合成如果像地铁报站一样，给人的感觉会不舒服。”

据介绍，微软的定制化语音技术已经可以通过语音合成模仿人的说话、呼吸声，甚至读屏时有语气有情感，以此表现出人的特性。

今年，微软发布了一个参考设计，对于原场收音，可以单独挑出每个人的语音。微软的人工智能技术全部在云端运用。“微软擅长的是，在一定范围内，把语音挑捡出来并做出分析。”

管震透露，今年微软的目标，是在文本理解能力在标准的数据集、机器翻译的能力上超越人类，语音合成以及语义理解能力达到人类水准，机器可以和人们畅通对话。其中机器翻译的能力与语音合成技术已经落地。