2016年，美國一位科技記者James Vlahos，做了一件感動無數(shù)人的事。

他在父親臨終前幾個月，下定決心要把父親的聲音和教誨永遠留在身邊。于是非技術背景的James在一個AI項目的幫助下，自學語音合成與機器學習。在父親的幫助下，他每天錄制父親一到兩個小時的聲音，共記錄了9萬多個單詞用來訓練AI模型。最終完成了由父親聲音構成的，類似siri的語音助手，得以讓James時時寄托哀思。

這個故事在感動了全球無數(shù)家庭的同時，也讓AI開發(fā)者與技術人員看到了用AI語音定制化的重要意義。毫無疑問，全球眾多家庭都在渴望著類似功能，無論是記錄老人的聲音，讓自己的聲音能夠更多陪伴孩子成長，還是戀人之間的聲音陪伴，家庭，正在成為AI語音技術應用場景的主戰(zhàn)場。

這種需求也在不斷受到產(chǎn)業(yè)界的重視。近來幾年，語音合成、聲音克隆等技術相繼發(fā)展，自然語言處理整體能力也得到了突飛猛進的發(fā)展。AI語音定制化這件事，也早已不用耗時幾個月，用數(shù)萬條語料進行機器學習訓練，而是真正的“飛入尋常百姓家”。

3月初，一直對AI技術大舉投入的百度，在小度音箱中上線了語音定制功能。在小度APP中“爸媽講故事”這個功能場景，用戶可以錄制自己和家人的語音包。

這是對話式AI硬件中，首次出現(xiàn)用戶語音定制能力。當用戶可以定制自己的語音包，讓智能音箱不斷傳來自己的聲音，眾多行業(yè)規(guī)則似乎都在發(fā)生變化。

讓我們從語音合成、對話式AI，以及智能語音硬件三者發(fā)展的合流中，審視一下進入AI語音定制時代的2020，可能發(fā)生的三個改變。

門檻已去：AI語音進入定制化時代

事實上，AI語音定制的能力，一直都處在AI行業(yè)與用戶的高度期待里。一方面讓AI模擬用戶聲音，關乎家庭、陪伴、記憶等諸多社會情感因素；另一方面熟悉的聲音可能觸發(fā)很多新的應用想象，比如你可能懶得打開音頻課，但如果你的愛豆或者女神給你上音頻課，你可能都懶得睡覺。

因此，AI語音定制的工程化與商業(yè)應用，始終被抱以高度期待。這條技術線索可以說是AI語音硬件，比如智能音箱、智能屏等產(chǎn)品持續(xù)發(fā)展的奇兵。

而AI語音定制的相關技術，在過去幾年間迎來了不斷降低門檻、提升應用規(guī)模的過程。James Vlahos用了9萬多條語料進行機器學習訓練，但如今只需要幾分鐘就可以訓練出語義理解和自然語言處理效果遠遠超過siri的定制化語音模型。

近幾年，隨著技術的升級，定制用戶語音的相關產(chǎn)業(yè)探索一直在前進。比如一個名為Revoice的公益項目，希望能夠幫助漸凍癥患者留住自己的聲音；而汽車AI廠商Cerence在去年推出了創(chuàng)建用戶聲音語音助手的功能；微軟的Custom Voice服務，可以一定程度上讓用戶聲音成為小冰的語音。去年，“語音定制功能”開始被應用到地圖場景，用戶在百度地圖APP上錄制20句話，就能夠生成個人完整語音包。

如今，定制化語音的功能來到了最復雜的AI場景里：對話式AI設備。

在小度語音定制功能中，用戶進入小度APP，就可以在“爸媽講故事”這個功能里錄制自己的專屬語音包。談不上多復雜，3-5分鐘就可以錄好，錄制的聲音可以播講大段的故事，并且語氣、語調、頓挫感在百度的AI語音能力加持下非常逼真，沒有異樣感。

這意味著，AI定制語音的能力已經(jīng)基本不再存在任何用戶門檻，我們不用學習復雜的技術，浪費大量時間，忍受一次次的失敗。用戶將以非常簡單的方式，就能夠利用智能語音定制來展開實現(xiàn)家庭場景中的應用。語音定制的產(chǎn)業(yè)化通道也就此展開。

在另一條軌跡上，我們可以將其看作智能語音助手和對話式AI硬件的整體進化。

從2015年，亞馬遜的Ehco誕生起，語音助手就處在用機器音一問一答的基本能力里。用戶時常找不到繼續(xù)說下去的動力。一問一答模式也與真人交互并不相似。

2019年，小度助手實現(xiàn)了全雙工免喚醒能力，可以一次喚醒多次交互，終于讓多輪對話在硬件中得以實現(xiàn)，聊天開始形似真人。

而AI語音定制的能力，或許可以看作2020年智能語音助手和相關硬件的又一次升級，用戶可以借此實現(xiàn)千人千面的AI硬件，開發(fā)者有了新的開發(fā)基礎。連鎖發(fā)生的產(chǎn)業(yè)化影響也能夠隨之展開。

飯圈&家庭：兩個場景的AI硬件或爆發(fā)

AI語音定制化帶來的第一個改變，就是用戶可能會重新開始思考自己如何應用對話式AI硬件，以及為什么購買相關產(chǎn)品。

有了AI語音定制能力后，有兩個商業(yè)場景的改變是顯而易見的。首先在家庭場景中，定制家人聲音這一能力其實至關重要。因為家人的聲音代表著陪伴、依靠和溫暖，這是人之天性，無法在任何時代改變。用父母的聲音給孩子講故事、講知識，讓子女的聲音在智能音箱中陪伴著父母，給父母報時間，念新聞。這些溫暖的應用，是中國人的普遍需求，也是繁忙都市工作下的必然選擇。

今天的情況就是一個很好的例證，疫情推遲了復工，這讓很多父母有了更多時間陪伴孩子，從而產(chǎn)生了“疫情下的父母依賴”。但返工開始，父母不得已又將離開孩子怎么辦？在智能音箱家庭使用場景下，語音定制功能就給出了一個選項。

另一方面，AI語音定制功能的更大紅利還要看飯圈。這幾天飯圈的能量之大，讓整個社會頗為領教。那么讓愛豆的聲音不僅僅出現(xiàn)在地圖導航，而是時時留存在智能產(chǎn)品中，與自己時時對話，聊天、講故事、玩游戲——以此產(chǎn)生的購買力和再開發(fā)能力，簡直不敢細想。

這兩個場景在AI語音定制能力下，是最有可能快速呈現(xiàn)爆發(fā)的。而以此為基礎，一波新的開發(fā)者紅利即將上線。

泛化定制：AI語音開發(fā)者獲得新船票

隨著AI語音產(chǎn)業(yè)的成熟，開發(fā)者技術支持的日趨完備，已經(jīng)有越來越多的聲音博主、AI開發(fā)者，投身到AI語音生態(tài)的大潮中。而隨著AI語音定制功能的上線，開發(fā)者的基礎能力又得到了不小突破，“千人千聲”的對話式AI設備不再僅僅是個產(chǎn)業(yè)想象。

AI語音開發(fā)者，或許很快就可以通過語音定制功能，獲得“泛化定制”的全新機會?？梢灶A見，AI語音定制將通過以下幾種方式影響AI語音的開發(fā)空間與產(chǎn)業(yè)價值：

1、技能定制得到飛速發(fā)展。用家人的聲音定制一個語音技能，甚至定制只有家庭成員、情侶之間、粉絲專屬的語音技能，是一個廣闊的產(chǎn)業(yè)想象力。很多語音技能在有了用戶聲音這個選項之后，將產(chǎn)生全面改變，可能影響到娛樂、家庭、教育、陪伴等多個場景。

2、生活場景定制成為重頭戲。在智能家居、智能手機助手、智能穿戴設備中聽到自己親人、偶像的聲音，是一件可以充滿各種玩法的事情。開發(fā)者將可以借助各種硬件形態(tài)，揮灑AI語音定制的想象力。

3、“聲音著作權”的無數(shù)新玩法。上面說過，AI語音定制能力的出現(xiàn)和普及，將讓“高凈值聲音”成為一種新的版權資本。明星、偶像、公眾人物，甚至特定領域網(wǎng)紅的聲音，將可以通過AI交互的形式普及到各種硬件中，造成內容產(chǎn)業(yè)與科技產(chǎn)業(yè)的又一個垂直風口。

能夠規(guī)?；涞氐腁I語音泛定制應用、硬件，以及專屬服務，是將用戶、偶像、軟件開發(fā)者和硬件品牌融合在一起的全新形式，由此激發(fā)的購買欲望和平臺開發(fā)機遇，也許將是2020年的獨特風景。

4、AI語音的社會價值與意義被重新估判。從James Vlahos的故事不難看出，AI語音定制能力，包含著深刻雋永的親情關懷與家庭意義。人與人無法永遠陪伴，但對方聲音的智能化，卻可以將很多重要的時刻與陪伴感放大。AI語音定制化的開發(fā)者們，接下來將可能擔負起更多關于親情、社會與陪伴的探索。從技術價值到社會價值，AI語音定制化的影響力也將以此被放大。

AI語音定制化，正在成為對話式AI硬件市場上新的驅動因素。細心觀察近三年來的對話式AI硬件以及AI語音市場，就會發(fā)現(xiàn)市場的波動式增長，呈現(xiàn)與技術突破緊密契合的關系。在一種硬件形態(tài)處于草創(chuàng)階段的時候，這種因技術而爆發(fā)的商業(yè)能量是產(chǎn)業(yè)常態(tài)。

換句話說，對話式AI打開的硬件市場，呈現(xiàn)這樣的邏輯關系：技術能力突破代表著更好的用戶體驗，繼而將直接催生市場回饋。在2019年，小度帶來全雙工免喚醒能力后，AI語音硬件市場一度解封了三足鼎立的形態(tài)，展現(xiàn)出獨自向前大幅飛躍的局面。而AI語音定制化能力，作為與開發(fā)者、技能生態(tài)、內容生態(tài)聯(lián)系更緊密的技術突破，顯然將持續(xù)維護這種技術領先性，帶來更多的市場回饋，以至于某種市場質變的臨近。

但不管最終是哪個平臺獲得最后的留場權，對于AI開發(fā)者來說，語音定制化能力帶來的產(chǎn)業(yè)機遇都剛剛開始。千人千面的硬件，千變萬化的應用，千方百計的技術突破，是我們最終想在新硬件形態(tài)上看到的結果。

責任編輯：ct