英特爾宣布已于近日開(kāi)始生產(chǎn)的第三代英特爾？至強(qiáng)？可擴(kuò)展處理器（代號(hào)“Ice Lake”）將于2021年第一季度實(shí)現(xiàn)規(guī)模量產(chǎn)。

　　人工智能的影響力正在不斷加深。如今，越來(lái)越多企業(yè)加入到了數(shù)字化轉(zhuǎn)型的道路上，這場(chǎng)變革讓行業(yè)的智能化水平不斷提高。在新基建的引導(dǎo)下，人工智能技術(shù)逐漸成為數(shù)字經(jīng)濟(jì)發(fā)展的新動(dòng)能，同時(shí)也為企業(yè)的轉(zhuǎn)型升級(jí)注入強(qiáng)大動(dòng)力。數(shù)據(jù)顯示，到 2021 年將會(huì)有 75% 的企業(yè)應(yīng)用集成人工智能。

　　AI 語(yǔ)音是人工智能技術(shù)最廣泛的應(yīng)用，它架起了人類與數(shù)字世界之間最簡(jiǎn)單有效的溝通橋梁。在這樣的背景下，越來(lái)越多的科技企業(yè)與初創(chuàng)企業(yè)進(jìn)軍智能語(yǔ)音市場(chǎng)，而騰訊作為人工智能創(chuàng)新的引領(lǐng)者，打造出云小微智能語(yǔ)音與視頻服務(wù)接入平臺(tái)，全方位賦能行業(yè)轉(zhuǎn)型。

　　為了最大化釋放云小微平臺(tái)的價(jià)值與能力，騰訊與英特爾合作，共同構(gòu)建定制化 Parallel WaveNet（pWaveNet）聲碼器模型解決方案以及定制化 WaveRNN 聲碼器模型解決方案，對(duì)平臺(tái)進(jìn)行深度優(yōu)化，不僅為云小微提供了突出的語(yǔ)音合成性能，而且還有效降低了用戶總擁有成本（TCO），讓更多企業(yè)可以體驗(yàn)到先進(jìn)的智能語(yǔ)音服務(wù)。

　　產(chǎn)業(yè)新風(fēng)智能語(yǔ)音的星辰大海

　　AI 正在變得無(wú)處不在。在新一輪產(chǎn)業(yè)變革中，人工智能技術(shù)發(fā)揮了愈加重要的作用，作為加速數(shù)字化轉(zhuǎn)型實(shí)踐的核心驅(qū)動(dòng)力，人工智能的發(fā)展對(duì)社會(huì)經(jīng)濟(jì)和人類生活都產(chǎn)生了十分深遠(yuǎn)的影響。

　　人工智能與場(chǎng)景結(jié)合賦能產(chǎn)業(yè)升級(jí)，在這個(gè)過(guò)程中，越來(lái)越多的 AI 應(yīng)用出現(xiàn)，其中，智能語(yǔ)音的增長(zhǎng)最為突出。

　　近年來(lái)，隨著實(shí)體經(jīng)濟(jì)與數(shù)字經(jīng)濟(jì)的深度融合，人工智能技術(shù)也在越來(lái)越多的行業(yè)中落地，成為行業(yè)數(shù)字化升級(jí)的基石。作為人工智能最常見(jiàn)的應(yīng)用，企業(yè)通過(guò) AI 語(yǔ)音交互技術(shù)與自身業(yè)務(wù)發(fā)展及商業(yè)模式相結(jié)合，開(kāi)發(fā)出更具視覺(jué)效應(yīng)的 IP 形象。這些 AI 助手成為企業(yè)的“數(shù)字員工”，來(lái)幫助企業(yè)更好地服務(wù)用戶。

　　人工智能在各行業(yè)加速落地，而各新興智能產(chǎn)品企業(yè)也在基于智能語(yǔ)音合成技術(shù)，來(lái)研發(fā)各種智能語(yǔ)音，如語(yǔ)音導(dǎo)航、智能客服、有聲讀物、智能語(yǔ)音輸入與識(shí)別等。越來(lái)越多的智能語(yǔ)音出現(xiàn)，讓人工智能市場(chǎng)更加繁榮，也推進(jìn)著 AI 創(chuàng)新的發(fā)展。數(shù)據(jù)顯示，我國(guó)智能語(yǔ)音市場(chǎng)規(guī)模在 2021 年可達(dá) 194.8 億元。

　　智能語(yǔ)音應(yīng)用打通了人機(jī)交互的閉環(huán)，可以讓用戶獲得更多生活上的便利。然而在實(shí)際應(yīng)用中，智能語(yǔ)音應(yīng)用也逐漸顯現(xiàn)出一些問(wèn)題。一方面，智能語(yǔ)音產(chǎn)品越來(lái)越多，但能力參差不齊，操作方式也不同，“智能”反而成了一種累贅；另一方面，智能語(yǔ)音應(yīng)用與現(xiàn)實(shí)場(chǎng)景的結(jié)合往往會(huì)面臨很多額外的“干擾項(xiàng)”。比如在智能交通領(lǐng)域，車載語(yǔ)音識(shí)別就會(huì)受到口音、噪聲、場(chǎng)景化語(yǔ)音等多個(gè)變量的影響，從而影響識(shí)別的準(zhǔn)確度。

　　要解決這些問(wèn)題，一是統(tǒng)一研發(fā)平臺(tái)，二是提高平臺(tái)語(yǔ)音合成技術(shù)能力。基于此，騰訊推出云小微智能語(yǔ)音與視頻服務(wù)接入平臺(tái)，通過(guò)結(jié)合全棧語(yǔ)音語(yǔ)義 AI 能力和騰訊云服務(wù)，不僅能夠?yàn)橛脩糨敵龈咂焚|(zhì) AI 平臺(tái)能力，還可以依托騰訊豐富的產(chǎn)品線和大數(shù)據(jù)能力，幫助用戶獲得整合騰訊中臺(tái)能力的豐富場(chǎng)景應(yīng)用方案。

　　聯(lián)合定制騰訊云小微賦能產(chǎn)業(yè)升級(jí)

　　騰訊云小微是一個(gè)以基于神經(jīng)網(wǎng)絡(luò)聲碼器模型的 TTS（Text To Speech） 合成技術(shù)為核心能力的智能語(yǔ)音與視頻服務(wù)接入平臺(tái)，它能夠通過(guò)端到端聲學(xué)模型，來(lái)實(shí)現(xiàn)文本到語(yǔ)音的高質(zhì)量轉(zhuǎn)化與表達(dá)。

　　TTS 語(yǔ)音合成技術(shù)是人機(jī)溝通的關(guān)鍵性技術(shù)之一，它可以將外部輸入的文本或計(jì)算機(jī)自己產(chǎn)生的信息，通過(guò)自然語(yǔ)言表達(dá)出來(lái)。在這個(gè)過(guò)程中，聲碼器模型十分關(guān)鍵，它可以通過(guò)計(jì)算分析來(lái)輸出相應(yīng)的語(yǔ)音波形，所以不同聲碼器模型的選用對(duì)語(yǔ)音合成效果也有著不同的影響。

　　常見(jiàn)的語(yǔ)音合成聲碼器模型，如 WaveNet，是相對(duì)比較成熟的技術(shù)，其生成的語(yǔ)音質(zhì)量接近自然人聲。不過(guò)，在實(shí)際運(yùn)用中，傳統(tǒng) WaveNet 模型也存在著諸多不足。一是 WaveNet 模型結(jié)構(gòu)十分復(fù)雜，對(duì)計(jì)算力要求很高；二是 WaveNet 模型語(yǔ)音合成時(shí)間較長(zhǎng)，在實(shí)際交互場(chǎng)景中難以滿足用戶對(duì)實(shí)時(shí)性的要求；三是隨著智能語(yǔ)音應(yīng)用場(chǎng)景的普及，智能語(yǔ)音合成平臺(tái)需要對(duì)更多設(shè)備提供支持，工作負(fù)載加大，聲碼器模型的語(yǔ)音合成工作效能有待提升；四是對(duì)于企業(yè)而言，擴(kuò)容帶來(lái)的成本增加。

　　基于此，騰訊與英特爾合作，采用全新第三代英特爾至強(qiáng)可擴(kuò)展處理器作為核心算力引擎，共同構(gòu)建了定制化 pWaveNet 聲碼器模型解決方案及定制化 WaveRNN 聲碼器模型解決方案，以此實(shí)現(xiàn)云小微平臺(tái)能力最大化。

　　Parallel WaveNet模型架構(gòu)圖

　　定制化 pWaveNet 聲碼器解決方案，在 WaveNet 模型的基礎(chǔ)上引入“概率密度蒸餾”技術(shù)，利用一個(gè)已經(jīng)訓(xùn)練好的 WaveNet 模型來(lái)指導(dǎo)實(shí)施生產(chǎn)的網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，這樣不僅可以擺脫依賴于先前已生成點(diǎn)作為輸入條件的順序生成模式，還能夠一次性生成整個(gè)序列上的輸出采樣點(diǎn)，大幅減少語(yǔ)音合成時(shí)間。

　　不僅如此，騰訊還在定制化 pWaveNet 模型中將網(wǎng)絡(luò)一維卷積運(yùn)算轉(zhuǎn)換為幾個(gè)通用矩陣相乘的操作，以此減少模型計(jì)算量。同時(shí)，引入 Open-MP 并行機(jī)制，充分發(fā)揮定制化 pWaveNet 模型中并行計(jì)算的優(yōu)勢(shì)，在不影響語(yǔ)音質(zhì)量的前提下，有效提高語(yǔ)音合成速度。

　　WaveRNN模型架構(gòu)圖

　　定制化 WaveRNN 聲碼器解決方案，專為逐漸增加的工作負(fù)載而設(shè)計(jì)。其主體部分依舊是 WaveRNN 模型中具有雙 softmax 層的單循環(huán)網(wǎng)絡(luò)的基本結(jié)構(gòu)，不過(guò)卻將該網(wǎng)絡(luò)原始輸入中的線性部分分離出來(lái)，并進(jìn)行 LPC 預(yù)估處理，以此來(lái)大幅降低網(wǎng)絡(luò)處理難度，有效提高整體計(jì)算速度。與此同時(shí)，定制化 WaveRNN 聲碼器解決方案還引入了稀疏化技術(shù)，來(lái)減少帶寬占用，降低網(wǎng)絡(luò)整體計(jì)算時(shí)間，并在多核環(huán)境中平衡計(jì)算力，增強(qiáng)模型運(yùn)行的穩(wěn)定性。

　　第三代英特爾？至強(qiáng)？可擴(kuò)展處理器為定制化 pWaveNet 聲碼器解決方案及定制化WaveRNN 聲碼器解決方案提供強(qiáng)大底層支撐。新一代英特爾至強(qiáng)可擴(kuò)展處理器不僅具備更多的內(nèi)核與線程，在為云小微提供強(qiáng)大算力的同時(shí)，也滿足其對(duì)吞吐量的需求。

　　更值得一提的是，第三代英特爾？至強(qiáng)？可擴(kuò)展處理器內(nèi)置的BF16指令集在整個(gè)方案中起到了十分關(guān)鍵的作用，大幅提升AI能力，在兩種不同定制化的拓?fù)浣Y(jié)構(gòu)上將推理性能分別提高 1.89 倍和 1.54 倍。并與英特爾 AVX-512 指令一起，在英特爾 oneAPI 深度神經(jīng)網(wǎng)絡(luò)庫(kù)的配合下，加速硬件效率。再配合新一代處理器配備的更大緩存，能夠有效提升整體處理性能。

　　合創(chuàng)共贏英特爾構(gòu)建智能生態(tài)圈

　　世界正在朝著更加智慧化的方向前進(jìn)，英特爾開(kāi)啟以數(shù)據(jù)為中心的轉(zhuǎn)型，以全面的軟硬件實(shí)力來(lái)幫助企業(yè)實(shí)現(xiàn)智能化部署。同時(shí)，英特爾也在與越來(lái)越多的合作伙伴一起，借助自身深厚的技術(shù)積累和豐富的產(chǎn)品組合，共同開(kāi)發(fā)新的智能應(yīng)用，加速AI創(chuàng)新發(fā)展。

　　云小微平臺(tái)就是英特爾與騰訊在AI領(lǐng)域聯(lián)合創(chuàng)新的成果，事實(shí)上，在去年的騰訊全球數(shù)字生態(tài)大會(huì)上，英特爾與騰訊達(dá)成了一系列創(chuàng)新合作，不僅全面升級(jí)了騰訊與英特爾聯(lián)合實(shí)驗(yàn)室，還聯(lián)合開(kāi)發(fā)并推出騰訊云首款星星海四路服務(wù)器。在軟件層面，騰訊以英特爾AI軟件棧優(yōu)化為基礎(chǔ)上線了Open Vino?推理加速引擎，也成為業(yè)內(nèi)第一個(gè)支持Analytics Zoo 的公有云廠商。

　　在智能語(yǔ)音領(lǐng)域，英特爾還將與騰訊開(kāi)展更加深度的合作，結(jié)合英特爾先進(jìn)的軟硬件技術(shù)，將智能化應(yīng)用拓展到更多的業(yè)務(wù)場(chǎng)景中去。不僅如此，雙方還會(huì)在語(yǔ)音識(shí)別、聲紋識(shí)別等其他AI領(lǐng)域共同開(kāi)發(fā)，賦能各行業(yè)智能化升級(jí)，并不斷擴(kuò)大智能生態(tài)圈。

　　在更大范圍內(nèi)，包括人工智能領(lǐng)域，英特爾憑借新一代至強(qiáng)平臺(tái)強(qiáng)大的基礎(chǔ)設(shè)施能力，也將與騰訊一起在數(shù)據(jù)上云、高性能計(jì)算、數(shù)據(jù)安全等方面為用戶提供敏捷、高效、穩(wěn)定的數(shù)字服務(wù)，幫助用戶更快進(jìn)行業(yè)務(wù)升級(jí)，并聯(lián)合共建廣泛的數(shù)字生態(tài)圈。

　　英特爾正在與合作伙伴共同推進(jìn)技術(shù)進(jìn)步。從云小微平臺(tái)，英特爾與騰訊的聯(lián)合創(chuàng)新讓智能語(yǔ)音合成變得有效且高效；在云小微平臺(tái)之外，可以看到的是更加繁榮的人工智能市場(chǎng)以及英特爾全力構(gòu)建的數(shù)字生態(tài)圈。