微信智能语音服务上线，集成语音识别、语音合成、声纹识别等功能

编辑导语

近日，腾讯云正式上线智能语音服务。智能语音是由腾讯微信AI团队自主研发的语音处理技术，可以满足语音识别、语音合成、声纹识别等需求。

这是继微信支付提速、微信公众号CDN加速、微信公众号安全护航等一系列动作之后，腾讯云联合微信发布的又一重大举措。腾讯云智能语音服务将以强大的垂直领域定制化服务，打造专业高效的语音大脑。

一、识别率行业领先云端+嵌入式开放

语音作为继键盘、鼠标、触屏之后人机交互的新体验，其识别技术被广泛应用在呼叫中心、网络搜索、智能终端、移动应用、人工智能等各大领域。

腾讯云平台联合微信，将智能语音服务以“云端+嵌入式”的形式开放，以覆盖更多的使用场景，满足各行业开发者的需求。其中云端智能语音服务可随需求弹性扩缩容，提供持久化可靠性达99.999999%的存储能力，而嵌入式引擎则可满足无网络场景下智能语音需求。

此次上线的智能语音各项技术均通过了亿万级别业务的并发验证，其中语音合成MOS值4.4，声纹识别准确率99%，语音识别更是采用业内首创的并行解码技术，现网抽样通用领域准确率达到93.8%，在餐饮、娱乐、教育、金融等垂直领域识别更精准，识别率平均达94%。

二、解放双手不只是语音质检

实际上，智能语音服务早已在腾讯内部业务中得到应用，如微信的语音输入、语音转文字、声纹锁等。另外语音识别也被广泛地应用在呼叫中心语音质检中，如珍爱网，通过语音转文字，情绪识别，静音监测，关键词搜索等多种能力结合，提高了通话合规性的检查效率，也通过语料信息隐藏的市场信号，发掘了更多企业产能。腾讯云智能语音服务不仅能运用在语音质检中，而且还能运用在很多领域，解放用户双手，提升用户体验。

语音搜索：针对垂直领域提供定制化的语音搜索引擎，如QQ音乐听歌名找曲目、电商APP语音搜索商品等，可提供便捷人机交互方式；

智能客服：在与招商银行服务号的合作中，提供了语音互动实现智能客服，通过机器学习挖掘用户问题，以机器人回答代替50%以上人力，降低运营成本；

身份鉴定：利用高达99%身份鉴定准确率的声纹识别技术，还可为金融、安保、智能终端等领域提供更可靠的安全保证。

三、专业领域定制化共享云端价值

腾讯云还将提供专业领域定制化服务，包括识别模型训练等，对专业领域的海量语音、语言数据库进行信号处理和知识挖掘，获取语音识别系统所需要的“声学模型”和“语言模型”。

同时，腾讯云智能语音服务在语音识别过程中将对用户的语音进行自学习，从而对“声学模型”和“语音模型”进行必要的“校正”，进一步提高识别的准确率。开发者和创业者们可利用其在购物、餐饮、寻医等各个行业大开脑洞，实现业务创新。另外，腾讯云智能语音采取灵活的按量计费方式，根据使用量收取费用，没有最低限制，亦可随时无限扩容。

腾讯云与微信这一系列双向技术和场景的深入合作，为开发者、创业者和企业带来多重福利的同时，也彰显了整个腾讯生态的开放与融合。

此外，这一系列合作也表明，腾讯云作为云计算行业中的标杆力量，不断打造云端生态、共享价值的态度。这种态度不仅将带动云计算行业的携手进步，而且也将对各行各业的升级转型与开拓创新有着重大的意义。语音技术是怎么实现的？技术难点是什么？可以用到哪里？以下是微信语音技术组组长卢鲤的解读

语音技术的实现人机交互的新体验

腾讯云推出的智能语音服务包括语音识别、语音合成、声纹识别、语言识别、性别识别、情绪识别等。其中以语音识别算法最为复杂，可谓是语音技术皇冠上的一颗明珠。

人认知语音的三个过程，是由声音到发音单元，发音单元到字词，最后是字词到到一句话，这也是计算机实现语音识别的三要素。因此，在机器里建立声学模型，词典和语言模型，便可对语音进行识别。

如何建立上述模型？

首先是对语音信号的处理，由于语音信号具有短时平稳性，可以先对其进行分帧，针对每一帧语音信号，变换成机器更易理解的特征。

然后是声学模型，由于每一个音的发声和前后音相关，因此无法以最小发音单元构建声学模型，于是用triphone来确定发音单元，并构建声学模型，向机器描述声音和发音单元之间的关系。

最后是词典和语言模型，词典规定每个字的读音，语言模型则需要机器利用数据去学习。常用的模型结构是Ngram模型。例如通过在大量语料中数数，学习到A这个字的出现概率p(A)多大，A出现之后出现B的概率多大即p(B|A),以此类推。这样的概率描述，在输入法、语音识别等很多技术中都有强大的实用性。

克服三大技术难题识别率业界领先

由于当前技术的局限，语音识别在实际应用中还会遇到如下难题，研发团队也在多年业务实践中不断寻求能提升语音识别率的方法。

· 第一，将语音识别技术的分段融合音频属性，在说话人以及部分语义信息中达成良好的断句；

· 第二，采用LSTM结合DNN的做法，有效学习语音的短时特征和长时依赖；

· 第三，通过开发并行解码空间，实现具体业务的快速适配，同时并行通用搜索空间；最后，对语音识别结果进行过滤及规整，增强可读性。

通过模拟真实场景的算法，把历史无噪数据转换成包含多种不同场景噪声数据，让模型在学习内容的同时也学习到不同的环境干扰，增加了引擎识别率的鲁棒性。

海量数据的训练会让机器更智能，但在无监督学习算法暂不成熟的情况下，数据的积累是缓慢的。研发团队对此进行反向思考，由于每个个体的声音都不一样，通用模型的长尾问题是导致错误发生的重要原因，因此采取算法让声学模型学习的过程中将说话人的信息抹去的方式，帮助提升识别率。智能语音服务已被广泛应用，如微信语音输入、语音转文字、腾讯智能手表、腾讯游戏语聊、为盲胞读书等。腾讯云此次开放智能语音服务，提供强大的垂直领域定制化智能语音服务，打造专业高效的语音大脑，将满足开发者们更多样的场景需求。

语音技术可以应用在呼叫中心领域以及企业以语音为服务的情况下，如珍爱网红娘业务，智能语音服务可通过关键词，情绪识别等技术手段对客服语音进行质检。

另外手机APP中的语音搜索、智能硬件中的语音指令、音视频的机器分析和检索、在线教育中进行学习评估矫正等都是语音技术的可用场景。

在这些场景中，语音技术都将真正解放用户双手，提升用户体验，同时节约运营成本，增加企业产能。对于开发者和创业者而言，智能语音服务还将绽放出更多创新的可能性。