红木雕龙顶箱柜图片古代红木顶箱柜怎么制作

使用微信扫描二维码分享朋友圈，成交更快更简单！

想了解更多款式和商品报价，陈经理：1 8 2红木家具5 8 1沙发2 1 0老挝大红酸枝1 0（VX同号 报价号）
温情提示：上面价格不能作为参考价格，实际价格请您咨询经理。谢谢！

类与AI的对话频率，正在进入一个的大爆炸时代。

无论是智能手机里的语音助手、有买有送的智能音箱，还是千娇百媚的智能机器人或者地图导航，总有一款声音萌动你心。

这些生活中随处可见的声线，背后其实都是靠一项核心技术来支撑的：语音合成TTS（ Text-To-Speech），即将文字转化为声音。

在一般情况下TTS并不受到广泛关注。很多智能语音相关产品的发布会上，它甚至不会占用超过一页PPT的篇幅。但实际上，TTS对于整个AI语音交互的体验触发，起到了决定性的作用：用户听到什么声音，直接影响到AI在他心中的“三次元化”形象。

比如我一个朋友就是因为志玲姐姐嗲嗲的配音，成为了地图导航的死忠粉。而在经典的AI电影《Her》里，人工智能系统OS1就拥有斯嘉丽约翰逊的迷人声线，让男主人公为之倾倒，一段人与AI的虐恋就此展开。

语音合成，为机器注入了一种人格化的魅力，也让人类更愿意与之建立亲密关系。这也意味着，在商业价值都要靠黏住用户来实现的当下，TTS能力将成为各个语音场景输赢的命脉。

尽管企业对TTS的需求是如此迫切，但从学术到产业应用之间，TTS依然存在着大片的技术空白。相近的技术原理和算法探索之后，每家公司的解决方案、解决能力都千差万别。二者叠加之下，导致TTS变成了一个的赛场。

本文希望剖析这个并不为大众熟知的赛道，透视一下是什么决定了机器如何说话，决定了用户耳朵的体验与舒适度，又有哪些玩家凭借TTS撬开了智能语音的富矿。

让机器听上去像人，是AI公司的首要奔跑方向

近，网行起了一种新的搞笑玩法：扮演机器。比如，用百度翻译的语音包跟中的队友说话，浓烈的机械味怕是会被队友忍不住一枪爆头。

与此同时，一个娘化的AI形象“绊爱”也迅速走红，被粉丝们亲切地称为“爱酱”。它有着少女一样的形象，能够像人类一样交流，言语之间还会时不时流露出作为AI的志得意满。

对过度机械的语音无情调侃，为高度人性化的语音疯狂打call，可以说是普通人对TTS的下限与上限为直接的反应了。

从中不难看出，TTS的核心赛道，就在于如何让机器的声音听上去韵律自然、情感充沛。说白了，就是如何在机器声音中注入人性。

这个听起来很模糊的需求，现实中只能通过TTS多个技术层次的逐步通关来实现。

综合整个流程来看，目前有两方面的工作是AI公司努力的核心方向：

用心的语料库，正在成为TTS发动机
如何用更少的语料合成更自然的语音，可能是未来TTS的技术攻坚方向。目前看来，更有情感表现力和韵律的声音，一定是通过庞大的语料库直接拼接产生的。

这背后隐藏的，是AI公司正在比拼构建语料库的投入成本与产品精神。

比如苹果就请来了配音员苏珊·贝内特(Susan Bennett)为Siri录制原始语料，而微软小娜Cortana的声音则来自演员简·泰勒(Jen Taylor)，曾为《光晕》中的角色Cortana配音。

国内，高德则邀请了林志玲、郭德纲、TFBOYS、罗永浩、黄晓明、高晓松等众多流量担当来录制导航语音包。

而为小米音箱、喜马拉雅音箱、美的音箱等智能硬件提供服务的AI女声“小雅”，则是猎户星空从300个女声中投票海选出来的。为了能让“小雅”更为流畅自然地进行中英文混说，猎户找了一个和中文声源发音很像的女孩子来录制英语语料包。

从大量发音人的挑选，语料的精心打磨，以及对用户场景的深度适配，好的TTS前端数据处理能力，是今天区分这个细分领域产业地位的核心。

用算法探索“听着舒服”的边界
解决了基础音源和庞大语料库还远远不够。今天的TTS领域，普遍前进方向是基于相似的模型，在细节上带来TTS效果优化。

这个领域构成了AI技术公司在TTS上的算法优势，百度、微软等都在重磅。

简单来说，就是通过系统对输入的文本进行分析，获得合成语音的基本单元信息，从标注好的语音库中挑选出合适的语音单元，根据需求进行一定的修改和调整后，经过波形拼接的方式获得合成的语音。

目前，DeepMind 新的深度生成模型 WaveNet ，改变了传统的拼接法，而是选择直接对音频信号的原始波形进行建模，一次处理一个样本，来产出更为自然的声音。

目前，WaveNet已经能够模拟任何人类的语音，并且将机器语音合成的表现与人类之间水平的差距至少缩减了 50%。

中国这边，百度正在研究用讲话人编码（speaker encoding）技术来进行自然语音的生成。

简单来说，讲话人编码器已经学会了把不同人说的话分别聚类，更好地模仿讲话人的声音特点。比如，机器能从口音判断出，讲话者是一个来自北美的男性还是来自英国的男性，从而更逼真地还原出原音。
猎豹则是通过更多层级的标注体系，来进行语音特征单元的提取。目前可以从声韵母层、音节层、词层、韵律词层、短语层和语句层等6个层级，让合成后的语音在上下文韵律信息及准确度上更加完善，听起来也就更符合真人的发音习惯。

总而言之，好的TTS算法，正成为如今区分语音合成领域产业地位的核心。

AI界的另一个方法，是让机器用你的声音开口

TTS的另一个赛道，是如何让机器低成本地学习用户的声音。

让更多的，甚至普通人的声音都可以在终端设备中苏醒，这个技术能力具有广泛的市场想象力。但是，采用的声音，往往需要大量语料的录入和拼接。

录入时间过长不说，还需要在指导下完成。合作的要录制几千句，时间跨度动辄1-2个月，耗资不菲。

即便如此折腾，也难以覆盖全部细分应用领域。在某些衔接处，往往会出现机械拼凑的生涩感。不但阻碍了声音进入泛化设备场景，更让普通人对录入自己的声音望而却步。

所以如何降低训练成本，用更少的语料达成声音学习和语音生成，是这条赛道的关键。

近，百度就发布了自己在语音合成方面的新成果，可以通过“语音克隆”模仿数千个不同的声音，每个说话者只需要不到一个半小时就能完成数据训练。

核心方法是讲话人适配（speaker adaptation），使用数个语音克隆样本，让机器从几秒长度的短句中学习说话者的声音特点，然后通过反向传播的优化方法对多讲话人语音生成模型做精细调节（fine-tune）。讲话人只需提供少量的语料，余下的语音复制所需的素材都可以通过克隆来完成。

猎豹移动的猎户星空语音OS，用户花费20分钟录制10段话，系统就能自动用2个星期合成一个覆盖常用领域的语音包，并且音色自然。

简单来说，是用深度学习TTS模型TACOTRON，将文本分析、声学模型、音频合成等模块进行大语料库的打包训练，以这样的语音库作为基础模型，就可以在10句话中提取出发音人的语音特征，然后通过声码器合成出音色相同的语音。

总结一下，目前TSS领域的现状是，传统的语料对数据的要求太大，往往需要消耗大量人力物力，短期内根本无法被大规模复制。但个性化语音背后隐藏的，又是一个庞大的交互需求。

一旦音源采集成本能够大大降低，普通人也可以轻松生成属于自己的个性化语音包。试想一下，如果一个聊天机器人具有了真人的语气、生动的表达，是不是能训练出一个很的AI？它可以是一位好久不见的朋友、一个会讲故事的妈妈，或者是一位即将逝去的亲人后的剪影。

这个技术的“处女地”一旦被撬动，很多智能语音软硬件体验上的困扰都将迎刃而解。

据前瞻产业研究院整理，2018年上半年AI影像仍然为医疗领域热赛道，上半年融资数量达15起，融资金额13.1亿元，远文本挖掘与知识图谱、制药科技其余两个赛道。到目前为止，国内医疗影像AI公司就不下百家 ，其中活跃的就有推想科技、图玛深维、健培科技、体素科技、依图科技、深睿医疗、汇医慧影、视见医疗、华润万里云等。

但热闹的外表之下却是寒冰般的现实。据新京报“寻找中国创客”记者报道，在AI产品扎堆的影像领域，一个医院可能同时安装10余家AI公司的产品，医生真正使用的只有一两家。国外也有类似的景象，比如，今年5月世界AI公司IBM Watson传出其医疗部门进行了大幅度裁员，裁员比例达50%至70%。

为什么这么多企业集中发力追的风口却没有被吹起来？

产业环境尚未成熟，应用落地还差临门一脚

说人工智能在医疗领域的应用已经成熟没人会信，尤其是AI影像在产业环境的成熟上表现的更为羸弱，这具体表现为3个方面：

1、产品效果存疑，病人隐私难保障。

对于AI影像相关的一些产品不少医生依然表示质疑。上海市儿童医院影像科主任杨秀军就曾说道，“我们每天有大概600~700个病例收录在PACS/RIS系统中，其中包括普放DR影像、CT影像、MRI影像及DSA影像等，这些数据暂时没有被二次开发，目前，仅满足我们的临床和会诊需求，包括查阅、调阅、教学、科研等。”

“有很多软件拿过来展示，我一看就是JUST PLAY”。而上海市人民医院影像科主任王悍也表示，自己所在的科室没有使用任何人工智能影像产品，一是参观过使用人工智能产品的医院，并未发现产品能够提高医生的工作效率，反而会影响医生的诊断思路；二是病人的隐私得不到保障。

对于数据安全，国家卫计委前副主任金小桃也曾表示，个人的健康医疗信息属于隐私保护范围，要依法严格管控保护，绝不能公开或泄露。

2、商业合作深度不够，合作仅仅停留在科研层面。

因为机器需要更多的学习次数，AI需要海量的数据和医生的结果判断来不断“喂食”，而现在大的困难是：更多数据的积累。因为我国医院数据库的开放问题，医疗数据尚未实现互联互通，国内医疗影像数据应用还处于起步阶段，数据格式难以统一。众多医疗影像公司以科研的合作方式从医院获得影像数据，但是仅仅依靠几家医院影像数据远远不够，而且医院与医院之间的影像学数据因为医院层级的不同往往数据也有很大差异。以图玛深维医学科技有限公司为例，据IT时报报道，截至4月份，图玛深维已经与国内100多家大型医院达成合作，但这种合作仍然停留在科研层面。

3、相关注册、准入、监管法律法规体系尚未形成，市场准入资格难获取。

虽然AI影像发展迅猛，但一直有个问题制约行业发展，那就是国内尚无一家公司获得医疗器械注册证。到目前为止，国家食药监总局给图玛深维、深睿、推想、点内等企业颁发了二类证，还没有出现获得三类证书的企业。也就是说，现在此类企业的产品仅具有辅助诊断功能，提供明确的诊断提示的产品需获得三类证，“小助手”类产品的需求自然远不及能够实际诊断的产品，有价值的产品肯定还是在诊断环节。

据IT时报黄峰表示，自己曾与一些AI医疗影像创业公司的老总交流，了解到这些公司基本没有收入，更不用谈盈利。由于没有准入资格创业公司当前只能将产品作为科研项目拿到医院试用，现在盈利为时尚早。AI医疗作为全新产品之前并无审批此类产品的经验和标准数据库，医疗是一个严谨的行业，AI医疗产品还处于发展阶段，如果以医疗AI产品为主要业务的公司长期不能通过CFDA，公司发展必将出现问题。

商业变现之前，市场化还得面临四个问题

国内目前AI影像大部分集中在肺结节筛查这一块，主要通过图像识别进行阅片，从而标记出结节，减少医生阅片的时间。北大人民医院杜湘珂医生表示：“AI并不能完全代替医生，医生看病不仅仅看图这么简单，AI完成的仅仅是诊断环节中一部分的工作。同时，AI的盈利与消耗也是的现实问题。”目前来看AI在影像科应用时确实出现了以下问题。

1、应用不达预期，医院与AI影像公司还需更多磨合。

据“新经济100人”报道，2017年1-2月推想科技的产品已经在武汉同济、上海长征、大连中山医院上线，而后续问题也在这一段时间集中暴露：虽然医院安装了推想科技的产品，但是打开率和使用率不高，很多医生不爱用甚至拒绝使用。部分医院影像中心的电脑系统和AI服务器不兼容，打开服务器非常慢，而且在阅片过程中经常出现卡顿，本来应该减少医生工作时间的AI似乎看上去并没有达到目的。

2、企业扎堆肺结节，AI在识别图片过程中标注的假阳性过高。

提到美团，你会想到什么？八年前会想到“团购”，现在会想到“外卖”？

一个不容忽视的事实是：现在的美团业务横跨餐饮、店、旅游、美业、家政、出行、短租、票务、生鲜电商等生活各个方面。

对外，美团表现出“无边界”状态，什么都做；但实际上，多种业务扩张的背后，美团表示它只坚持一件事：eat better，live better。

当人们正在把美团定义为C端的“本地生活超级服务商”时，进入2018年的它，除了赴港上市，更开始针对餐饮B端加速发力，并覆盖营销服务、IT服务、经营服务、金融服务、物流服务、供应链服务。

1. 赴港上市50天后，美团又要给餐饮商家“送大礼”

做外卖业务前，美团内部画了一张消费者需求图谱，按照从“想吃饭”到“吃完饭”可能产生的场景，思考哪个节点有商业机会。

如今深入B端场景做服务时，美团也画了一条“需求线”。

以“到店餐饮”业务为例，根据美团在线餐饮商家的分析，从品牌的“单店诞生”到“多店发展”中，餐饮商家面临的6大痛点，美团提出了一站式解决方案
|问题1：刚开业，如何招揽人气？

开业时的曝光，会影响品牌日后很长一段时间的经营状况。作为一个关键节点，多数商家都会为开业投入大量营销成本。但粗放的营销，让很多广告都打了水漂。

2009年云海肴在北京后海的家店，由于交通不便，生意在经营很长时间后才有好转。

后来，美团推广通上线，云海肴是批与推广通合作的商家。

通过大数据，美团计算出在云海肴所在商圈的人群属性、消费习惯等维度，将云海肴的营销信息匹配给目标用户人群，短期让云海肴获得快速曝光。

|问题2：如何通过缩短点餐时间减少人力成本？

当点餐需要一对一服务时，10位客人可能需要10分钟；而自主点餐，10人各点各的，前后只需要1、2分钟。点餐总时长缩短，服务员的人力成本也节省了。

为解决这一效率问题，大鼓米线给每张桌子贴上二维码，顾客通过“扫码点餐”界面可自行下单。大鼓米线副总经理陈将挺表示，顾客习惯了扫码点餐后，门店人力成本降低了10%-15%。

而在经常排队的CoCo都可门店，近3000家门店接入“提前下单、到店取货”的“预点餐”功能，等候制作的现象被大大缓解。

|问题3：如何维护会员，提高复购率？

办会员是有效提高复购率的办法，但很多商家反映，传统会员只收到消费者的“节点性”数据，这种信息只在一段时间有效，却很难在日后被利用，产生营收价值。

羲和集团董事长张钧表示，“由于背靠‘全渠道会员’的数据做营销，会员对营销活动的反应更‘强’了。时间不长，羲和雅苑就由过去的8万多沉睡会员，增长到80万的活跃会员。”