专注语音合成前端技术，「标贝科技」完成千万级人民币Pre-A轮融资

语音是人工智能和人类的一种主要交互方式；所以AI不仅要有足够聪明的大脑，也需要有足够的表达能力。语音交互包含三个方面：听得清（语音识别）、听得懂（语义分析）和说得好（语音合成）。这些年在科大讯飞的带领下，中文语境下的前两者进步明显，但是语音合成的部分，我们作为普通用户还是能感觉出大多数机器声音听起来并不自然。即便有些人认为我们有可能会逐步习惯“机械感”明显的发音，但是如果让我在前者和电影《Her》中斯嘉丽约翰孙配音的语音助手中选择，我会毫不犹豫地选择后者。尤其是当我们与人工智能交互的需求超越了百科问答的范畴之后，更加符合场景或者产品调性的声音是用户体验的重要组成部分。

36氪在《如何让机器说话更自然，有情感？》一文中介绍了语音合成常用的波段拼接和参数合成两种方法，但是这篇报道要介绍的「标贝科技」更加关注语音合成前端的音库质量和技术问题。为了让语音更加类人，标贝科技认为要从源头的问题抓起。

首先，从音库质量入手。标贝科技认为不同的产品需要不同的音库，举个简单的例子，我希望夜晚为我读书的声音是温柔的，但是倘若音库本身采集的是播音员字正腔圆的声音，无论对数据如何处理，都很难产出匹配产品调性的声音；而风格只是标贝科技重塑语音库的一个元素。

大量语音库在标贝科技看来是没有太大意义的，他们需要精准的数据。为了采集合适的人声，标贝科技的数据专家需要和发声人做大量的前期沟通，设计包含尽可能多素材的语料，指导发声人的说话风格、语调和停顿方式等，还需要监听环节对发声人不同的片段进行对比、确保风格一致。采集完成后，团队再对音字、韵律和音节音素进行标注。

但是，即便技术优秀，作为一家小企业如何拿到大公司的订单呢？标贝科技凭借10年以上语音合成的经验，为客户的语音产品做免费评测，分析出合成语音不自然的原因：可能是音库质量不佳、数据加工的问题、前端模块或者后期算法的问题。通过免费和专业的测评让潜在客户认识到自己的技术和专业能力，标贝科技获得了百度、滴滴、腾讯、喜马拉雅小雅音箱、芋头科技Rokid、Roobo机器人、暴风、出门问问等众多大客户，并保持长期稳定的合作关系。

标贝科技的核心竞争力得益于他们对前端音库和技术的关注，以及他们在数据和产品结合方面的经验。团队的技术合伙人在人工智能完全没有进入大众视野的2002年，就开始从事语音方面的研究工作，曾就职于百度，并获得百度语音合成TTS最高奖，从事语音行业十五年，有着丰富的项目经验。

专注音库和前期技术服务的语音公司并不多，所以标贝科技把市场定价权掌握在自己手里。公司的盈利方式有两种：一种是直接向采购方售卖标贝科技的自有语音库；另一种是为企业提供定制音库以及整体的语音解决方案，正如上文中描述的。成立于2016年2月，标贝科技在半年内收回全部前期投入，实现盈利；今年至今，30人的团队已完成了近2000万人民币的营收。

2017年10月，标贝科技完成千万级人民币Pre-A轮融资，接下去会把重心放在语音合成\TTS业务的规模的深入和扩大。之前的发展模式上限明显，整体解决方案不是标准化的产品，因此难以在规模化的同时，实现边际效益递增。所以在标准化和规模化的方向上，标贝科技有可能开发标准自有库，企业可以更方便地使用标贝科技合成语音库，迅速投入研发。