马宏宾北京理工大学自动化学院教授



云中知声，芯中有道

马宏宾
北京理工大学自动化学院教授

语音技术的背后，是一批有着梦想并追逐梦想的人。科大讯飞的创业故事，某种程度上已经成为了经典案例。而云知声，作为一个后起之秀，展现出更大的爆发力，这个才创业数年的公司，在不到两年的时间里，已从一个十几人的小团队，发展成了上百人的企业，收入上千万美元，私有云的开发者数量已经增加到了两千多家。而在这一迅猛发展的背后，我们看到了厚积薄发，看到了技术积累的重要性。

算法是语音技术的灵魂，构建于语音模型基础之上。从外在的语音数据中找寻内在的词汇联接，就是语音识别的本质，看似简单，实则不易，因为这一问题根本上可归结为海量的搜索。解决声音匹配问题，云知声从采用常用的高斯混合算法，到快速跟进微软提出的深度神经学习技术，完成代码实现后进一步基于内在原理，用最高效的方式实现同样的效果，再把计算瓶颈部分用汇编语言改写，充分利用计算单元的特性和处理能力，层层优化。这样的工程优化使得学术界象牙塔中算法真正得以落地，基于海量用户语音数据形成的语音云，来改进用户使用体验，提高识别准确率以及计算效率，发挥其价值。对技术后面的模型、算法、数据，持续不断的投入和积累，以及背后的研发人才，应该是云知声得以发展的关键基础。

另一方面，我们必须看到，技术本身从来不会自己直接“说话”并产生价值。……