Blizzard Challenge是由美國和日本聯(lián)合發(fā)起的國際上規(guī)模最大、最具影響力的語音合成大賽，自2005年起，歷屆大賽吸引了美國卡耐基-梅隆大學(xué)、英國愛丁堡大學(xué)、日本名古屋工業(yè)大學(xué)、IBM研究院、微軟亞洲研究院等語音技術(shù)領(lǐng)域的世界一流科研機(jī)構(gòu)參加。

　　而在這樣高手云集的國際頂級賽事上，連續(xù)9年在多項指標(biāo)中獲得冠軍的卻是一支來自中國的隊伍——科大訊飛研發(fā)團(tuán)隊。

　　1999年以前，中文語音產(chǎn)業(yè)基本上控制在國外IT巨頭手中。微軟、IBM、Intel等紛紛在在中國設(shè)立語音研究基地，國內(nèi)語音專業(yè)優(yōu)秀畢業(yè)生基本上全部外流，中文語音產(chǎn)業(yè)被國外掐住了“咽喉”。

　　懷抱著“中文語音技術(shù)應(yīng)當(dāng)由中國人做到全球最好，中文語音產(chǎn)業(yè)應(yīng)當(dāng)掌握在中國人自己手中”的信念，1999年，以劉慶峰為首的18名在校大學(xué)生創(chuàng)立了科大訊飛，并不斷通過產(chǎn)學(xué)研合作的創(chuàng)新機(jī)制有效整合語音技術(shù)源頭資源，將中文語音技術(shù)做到了全球最高水平。

　　2004年，科大訊飛在國家863中文語音合成評測中囊括所有指標(biāo)第一。在此之后，我們開始將目光投向國際賽場。2005年，在了解到第一屆Blizzard Challenge的情況之后，訊飛首席科學(xué)家王仁華教授提出，“現(xiàn)在，我們已經(jīng)把中文語音合成做到了世界領(lǐng)先，明年我們是不是去國際比賽中試一試?”

　　團(tuán)隊成員們也都躍躍欲試，希望得到向世界一流科研機(jī)構(gòu)與高校學(xué)習(xí)的機(jī)會，“那時沒有想過參賽能獲得什么名次，只是期待能到國際舞臺上‘亮劍’，衡量我們真實(shí)水平，大家當(dāng)時都卯足了一股勁。”當(dāng)時的團(tuán)隊成員江源回憶道。

　　2006年，科大訊飛代表大中華區(qū)參加Blizzard Challenge。參賽前，時任中國科學(xué)院院長的路甬祥恰好來公司進(jìn)行視察，了解到科大訊飛要參加國際比賽的事情，“這是你們第一次參加世界性大賽，如果能獲得前三名就已經(jīng)很不錯了。”

　　當(dāng)年的比賽規(guī)則要求在規(guī)定時間內(nèi)搭建出基于1000句和5000句兩個不同規(guī)模音庫的英文合成系統(tǒng)，主辦方從可懂度和自然度兩個方面分別測試各個團(tuán)隊的語音合成效果。一般來說，從零開始搭建一個基于5000句規(guī)模音庫的高質(zhì)量語音合成系統(tǒng)需要至少半年以上的時間。而留給參賽者的時間只有一個月，按時完成的難度非常大。

　　訊飛研發(fā)團(tuán)隊克服了音庫規(guī)模大和時間緊的壓力，采用當(dāng)時國際上最先進(jìn)的基于統(tǒng)計聲學(xué)建模的參數(shù)語音合成方法完成了兩個參數(shù)系統(tǒng)的構(gòu)建，并在模型訓(xùn)練、參數(shù)生成等方面進(jìn)行了創(chuàng)新性的改進(jìn)，系統(tǒng)優(yōu)化的工作一直持續(xù)到了規(guī)定提交的最后時刻!

　　結(jié)果，訊飛提交的參賽系統(tǒng)一舉獲得了小庫可懂度和自然度兩個指標(biāo)雙料第一，大庫可懂度第一、自然度第二的優(yōu)異成績!成為當(dāng)年大賽最大的“黑馬”，震驚了國際語音學(xué)界。因?yàn)?，中國人不僅將中文語音技術(shù)做到了全球最好，而且可以將非母語的英文語音技術(shù)做到了全球最好!

　　世界知名語音研究機(jī)構(gòu)紛紛主動與訊飛建立聯(lián)系。大賽組織者，國際知名語音學(xué)家、IEEE院士德田惠一教授還特地不遠(yuǎn)萬里的來到到訊飛參觀、交流?？拼笥嶏w成功地在世界舞臺上發(fā)出了自己的聲音。

　　此后，從2006年至今連續(xù)9年的時間里，科大訊飛一路高歌猛進(jìn)，在Blizzard Challenge中連續(xù)奪冠。這意味著中國人在語音合成技術(shù)上牢牢樹立了國際領(lǐng)先的地位!

　　回顧9年征程，這是科大訊飛核心技術(shù)的衛(wèi)冕之路，更是超越之路，創(chuàng)新之路!訊飛的研發(fā)團(tuán)隊通過比賽不斷開拓研究方向、提升國際化視野，有力地推動了我國乃至國際智能語音技術(shù)與產(chǎn)業(yè)持續(xù)的向前發(fā)展。

　　下面就讓我們一起回顧科大訊飛語音合成研發(fā)團(tuán)隊在歷屆Blizzard Challenge中的精彩表現(xiàn)吧!

　　§ 2006年，首次參加Blizzard Challenge，科大訊飛即獲得可懂度和自然度兩個指標(biāo)雙料第一。

　　§ 2007年，測試音庫規(guī)模相較2006年擴(kuò)大了一倍，并新增相似度測試?？拼笥嶏w的系統(tǒng)包攬自然度、相似度、可懂度全部第一。其中訊飛原創(chuàng)的基于統(tǒng)計聲學(xué)模型的單元挑選語音合成算法更是得到了語音合成研究領(lǐng)域的廣泛關(guān)注。

　　§ 2008年，參賽成員增加到20家，包括愛丁堡大學(xué)、卡內(nèi)基梅隆大學(xué)、IBM、東芝等國際一流高校和機(jī)構(gòu)，面對強(qiáng)有力的競爭對手的挑戰(zhàn)，科大訊飛一舉包攬了英文大庫、小庫自然度和相似度的第一。這是業(yè)界首次在自然度測試中獲得超出普通人說話水平的4.1分。

　　§ 2009年，比賽增加了三個可選項目：音色轉(zhuǎn)換合成、復(fù)雜信道合成、人機(jī)對話合成。這意味著對合成的效果提出了更高的要求。這一年，科大訊飛繼續(xù)獲得大庫相似度、自然度、可懂度測試指標(biāo)的第一名，在小庫和三個可選項目上也都取得了各項測試指標(biāo)前兩名的優(yōu)異成績。

　　§ 2010年，除了傳統(tǒng)合成項目持續(xù)領(lǐng)先，科大訊飛在新增的可選項目中繼續(xù)取得好成績。極小規(guī)模音庫合成獲得自然度第一、相似度可懂度第二，加噪語音合成獲得可懂度第三，高采樣率語音合成獲得自然度相似度第一。

　　§ 2011年，比賽首次增加小說類型測試文本，參賽系統(tǒng)需要利用10小時的女聲美式英語數(shù)據(jù)，做出能夠自然、流暢朗讀小說的合成系統(tǒng)。面對更高的比賽要求，科大訊飛繼續(xù)保持領(lǐng)先地位，一舉獲得相似度、自然度雙料第一。

　　§ 2012年，測試小說類文本合成效果成為了比賽的重點(diǎn)。組織方提供了50小時英文小說朗讀數(shù)據(jù)但并無標(biāo)準(zhǔn)文本，需要依靠參賽方利用機(jī)器學(xué)習(xí)方法自動處理。最終，科大訊飛在相似度、自然度、錯誤率、段落感覺測試中全部取得第一，進(jìn)一步擴(kuò)大了我國在處理大規(guī)模語音數(shù)據(jù)以及合成小說類型文本領(lǐng)域的國際領(lǐng)先優(yōu)勢。

　　§ 2013年，比賽難度攀升，首次開展了印地語合成測試項目?？拼笥嶏w在傳統(tǒng)項目上繼續(xù)保持了國際領(lǐng)先地位，并開創(chuàng)性的獲得了印地語、孟加拉語，泰米爾語三個語種的自然度第二名，展現(xiàn)了我國在語音合成技術(shù)方面的強(qiáng)大綜合優(yōu)勢。

　　§ 2014年，比賽首次將主要測試語種從英語語種全面轉(zhuǎn)換到非英語語種，要求提交的語音合成系統(tǒng)包括印地語、阿薩姆語等六種印度語種，并增加了這些語種與英文混讀情況下的合成測試，比賽難度進(jìn)一步提升。最終，科大訊飛研發(fā)團(tuán)隊提交的參賽系統(tǒng)獲得了印地語合成語音相似度與可懂度、印地語英語混讀合成語音相似度與自然度共計11項指標(biāo)的第一名，再次證明了我國在多語種語音合成等關(guān)鍵技術(shù)領(lǐng)域的國際領(lǐng)先優(yōu)勢