猎户语音OS亮相2018锤子新品发布会

11月6日，锤子科技在成都举行了新品发布会，发布了首款智能音箱——“大卫和希瑞高级智能音箱 D1”。

据了解，锤子的这款音箱搭载了猎豹移动旗下人工智能公司猎户星空的全套语音OS解决方案，包括语音合成（TTS）、自然语言处理（NLP）、语音识别（ASR）等一系列的技术。

同时，猎户星空还针对锤子打造了业界首个“一人分饰两角”的声音人设引擎。基于大数据情感的语音合成、汉语语音合成引入重音，打造了智能语音助手在生活和工作中的不同性格特征。

老罗在现场表示，今后还将联合猎户星空，推出更多有个性的人物设定。他同时感谢合作方猎户星空，“我们提了最多、最‘变态’和最让他们意外的需求，他们仍然给了我们最好的支持。”

在猎豹移动的“321机器人之夜”上，老罗就曾为好友——猎豹移动董事长兼CEO傅盛站台，并表示“猎户语音OS是市面上最好用的语音OS”。今天回到锤子的主场，老罗也用行动证明了自己当时打的Call。

发布会现场，老罗还和机器人“傅盛”进行了一场对话。据了解，机器人“傅盛”是猎户星空研发的语音合成技术，傅盛本人只录制了十段话，就达到了“以假乱真”的效果。

老罗：“市面上最好用的语音OS”

语音交互能力被看作是智能音箱的“灵魂”。据不完全统计，目前国内有数十家“语音开发平台”，竞争十分激烈。作为老罗口中“最好用的语音OS”，猎户星空为什么能从众多竞争对手中脱颖而出，为手机界里最具“工匠精神”的锤子科技保驾护航？

双人设-TTS

双人设引擎功能是本次发布会上的最大亮点之一。这是猎户针对锤子打造的业界首个“一人分饰两角”的声音人设引擎。

不同于以往的语音交互体验中，只有一个声音一个人设，或最多支持声音的切换。

双人设引擎功能采用猎户的语音合成技术，基于大数据情感的语音合成、汉语语音合成引入重音，打造了男生“耿大卫”、女生“何希瑞”在生活和工作中的不同性格特征。

在语音合成的声音风格和文本语料的设计上，呈现出男友风、男职业风、女友风、女职业风的性格特征，满足不同的用户需求。

在双人设的TTS合成上，猎户星空也花了很大的心血。从最初的发音人挑选到最后的语音合成，严格把控每一个环节，只为把合成的声音做到最好。

在确定好人设风格后，从200个发音人中投票选出男、女发音人，经过3个月的时间，打造出人设相关的情感语音库。

因为是同一个发音人“分饰两角”，为了保证声音效果的完美呈现，猎户TTS团队在参数的调优和效果的打磨上下了很大的功夫，最终呈现出同一个人生活和工作中，声音温柔甜美和干净利索的双人设风格。

中英文混合识别能力

多语种混合Query的识别是语音技术中攻克的难点，例如，“我想听Taylor Swift的One More Night”这样一句普通的需求，正常人都可以理解。

但是对于智能音箱来说，就是一个不小的挑战。这是因为，语种切换对语言模型带来了更大的复杂度。

为了解决这一难题，猎户语音OS团队投入了大量的精力，特别是针对性优化了中英文点播体验，达到了行业领先效果。

其中一项重要工作就是，提升训练数据的数量和丰富性：猎户语音OS拥有上千小时的远场中英文语料，可用于语言模型的训练；建模一千多个中文音节，并用中文音节建模英文发音。

此外，猎户语音OS还支持8万首新热的英文资源歌曲与8千名英文歌手的点播。这些数据成为了猎户语音OS的“基础设施”。

除了丰富的数据积累，猎户星空还拥有独特的技术壁垒：基于远场的语音语义一体化技术，可以提高远场交互中高频Query的识别率，让机器更好地听懂世界；其次，围绕音频内容进行深度定制，动态地更新模型；最后，做好口语化指令泛化，让点播粒度更细。

在团队的共同努力下，猎户语音OS的通用内容点播准确率超过90%，在行业内遥遥领先，同时还支持中英文、儿童、翻译、车载等场景识别。

猎户语音OS成为行业标配

作为应用最广的中文语音合成技术，猎户语音OS技术占有中国智能语音市场份额超过30%，累计激活设备超过3000万。截至目前，猎户语音OS每天线上语音指令超过2000万次，拥有上百万小时的远场语音数据积累。

猎户星空过去一年在AI硬件赛道奔跑的历程，一直拥有两个核心的逻辑：自主研发完整技术链条，以及整体战略上的开放心态。

猎户星空的整套AI技术都是自主研发，包括语音识别、图像识别、视觉导航等，所以猎户星空能根据场景来定制算法，打造更好的用户体验。