在美國舊金山舉行的芯片行業(yè)頂級學術會議HOTCHIPS上,阿里巴巴達摩院發(fā)布了新一代AI語音FPGA芯片技術——Ouroboros,該技術能將語音生成算法的計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芯片結構設計。
作為芯片領域的頂級峰會之一,HOTCHIPS 與其他頂級半導體會議的顯著區(qū)別之一就是更側重于商業(yè)應用,而非僅僅是學術項目,此次阿里發(fā)布的Ouroboros 就是面向語音合成領域商業(yè)應用的 FPGA 加速計算方案。
針對 ASIC 實現(xiàn)的性能仿真預估表明, Ouroboros 的設計可以實時運行 WaveNet 等業(yè)界先進的文字轉語音(TTS,Text-to-Speech)算法 ,實現(xiàn)實時語音合成。
算法很好但難以進行實時計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,替代云端服務器,有效避免了對網絡連接和云端服務的強依賴性,解決了這一問題。以計算量最大的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秒的計算時間,但Ouroboros在FPGA環(huán)境下只需要 0.3秒,大大提升計算效率,同時將整體服務成本降低 10 倍以上。
阿里用戶在使用天貓精靈、高德導航、智能點餐機等服務時,將率先得到媲美真人語音交互的體驗。
阿里發(fā)布的 Ouroboros 技術,同樣適用于達摩院于今年 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)界體驗最好的語音生成算法。自研算法與自研AI芯片設計的結合,意味著阿里在語音生成領域實現(xiàn)了真正的“軟硬一體化”計算結構的落地。
據(jù)了解,Ouroboros 芯片技術除了語音合成之外,還將支持AI語音識別?;?Ouroboros 研發(fā)完整的語音AI芯片,有望率先在天貓精靈上落地。
轉自:TechWeb
【版權及免責聲明】凡本網所屬版權作品,轉載時須獲得授權并注明來源“中國產業(yè)經濟信息網”,違者本網將保留追究其相關法律責任的權力。凡轉載文章及企業(yè)宣傳資訊,僅代表作者個人觀點,不代表本網觀點和立場。版權事宜請聯(lián)系:010-65367254。
延伸閱讀