什么是语音技术智能语音技术应用实践详解？

AI 技术正在成为辅助内容生产和传播的“利器” 。尤其随着现在语音、文本、图像、视频等不同模态的信息层出不穷，以 AI 技术作为“创作工具”将为内容生产带来新变革。
以字节跳动为例，字节跳动拥有全球化的内容平台，内容形式经历了图文、音频和视频各个阶段，在这个过程中，内部对智能语音技术的需求日益增强，如有声书内容生产，短视频中的内容审核、自动字幕和配音功能等。
自 2017 年开始重点布局智能语音技术以来，该技术已广泛应用在字节跳动内部的教育、视频、小说、客服、硬件、音乐、办公、游戏、广告等业务场景。实践证明，作为新型的生产工具，智能语音技术能够极大地提升 AI 内容生产和创作领域的生产力。
在将于 11 月 5 日 – 6 日举办的 AICon 全球人工智能与机器学习大会（北京站）2021 上，字节跳动 AI-Lab 智能语音/语音合成 Leader 殷翔博士将作为“AI 与产业互联网结合”专场的讲师，
InfoQ 有幸提前对殷翔博士进行了专访，他详细介绍了智能语音技术上在字节跳动的研发进展以及应用实践，分享了智能语音赋能内容生产的思考。
以下为 InfoQ 与殷翔博士对话全文：
字节跳动的智能语音技术布局InfoQ ：殷老师您好，很高兴有机会采访您，首先请您做一下自我介绍，您自何时加入字节跳动，以及目前主要负责的工作？
殷翔：我是 2018 年加入字节跳动人工智能实验室，负责音频生成算法团队，研究方向包括语音合成、声音转换、歌唱合成、虚拟形象。团队研发技术落地于番茄小说、大力教育、剪映、客服机器人、听头条、游戏 V、行业 ToB 等。
InfoQ：字节跳动大概是从什么时候开始布局智能语音技术的？公司内部对智能语音技术的需求主要来自哪些场景？
殷翔：字节跳动是从 2017 年底重点投入智能语音技术的。公司对智能语音技术需求主要来自于短视频中的内容审核、自动字幕和配音功能、办公软件飞书的会议转写、客服外呼机器人的语音交互链路、教育口语评测、小说音频内容生成、教育硬件下的语音增强、音乐消重和听歌识曲、外部 ToB 需求等。
InfoQ：字节跳动如何定位智能语音技术，如何看待它在公司整体的 AI 布局中所处的位置？
殷翔：字节跳动拥有全球化的内容平台，内容形式经历了图文、音频和视频各阶段，如何高效理解、创作、互动和分发内容，给 AI 技术带来了机遇和挑战。随着深度学习和机器算力的不断发展，智能语音技术已经迈进了端到端时代，并借助丰富场景下的海量数据，显著提升了内容理解的精度、内容创作的质量。
智能语音技术在公司整体 AI 布局中扮演的角色之一是内容创作工具，例如：通过自然语言理解、语音合成和音乐生成等技术开发的有声书内容生产，能够将番茄小说海量网文转成有声书，供用户聆听。在短视频方面，能够辅助用户通过字幕自动添加、个性化配音和滤镜玩法创造出内容丰富的作品。
InfoQ：除了您所在的团队(AILab) ，字节跳动内部还有哪些团队在做语音技术的研究，各部门的侧重点分别是什么，又是如何协作的？
殷翔：字节跳动产品研发和工程架构部门也在做相关研究。AILab-智能语音属于 AI 中台，使命是做“大而全”的技术支持，对某些需要深入合作的业务部门，会专门派同学 BP ，进行“精且深”的解决方案打磨。最终我们的愿景是将 AI 中台能力做成定制方案，提供 ToB 。产品研发和工程架构部的语音部门需要集中支持所属部门业务方向，与业务一起成长，做到 BU 化。在协作方面，对于共有能力，会依照业务场景进行划分。对于差异化能力，会依照业务方的需求，形成组合方案，提供支持。

什么是语音技术 智能语音技术应用实践详解？

什么是语音技术智能语音技术应用实践详解？