首頁 > 智能 > 正文

小鵬P7全新一代智能AI語音來了：足夠像真人、可親切傳達信息

2021-07-20 08:38:43來源：TechWeb

小鵬汽車似乎對產品有近乎偏執要求：要在車內創造出一種能「無限接近人類語氣」的聲音交互系統。

7 月，這套「全新 AI 聲音」的小 P 系統將在 P7 部分車型上線。

“去年 1024 之后，小鵬車機智能化有了很大進步，于是我們花費很多精力在小 P 的語音表現上，給大家一個更好的信息傳遞。”小鵬汽車 AI 產品專家陳思云介紹起全新車載語音。

小鵬產品團隊為新聲音設立了三大「綱要」：

(1)足夠像真人。

(2)角色足夠擬人，例如定位成「秘書」、「寵物」或是「女神」。

(3)親切傳達信息，拉進用戶距離。

小 P 全新 AI 聲音是如何做到的呢?為實現這三條，團隊就必須往車機聯入一個在線的、更大規模的「神經網絡模型」—— 從而實現 HIFI 級別合成語音。

目前，這套神經網絡已經為小 P 帶來了 2 項肉眼可見的提升：

一、MOS 評分 4.49

經 MOS1 語音質量評測，該聲音得分為 4.49，是目前微軟 MOS 語音質量評測得分最高的車載智能語音助手。

當然，MOS 評分不能完全完全「神化」。

MOS 最早源于電話的語音質量評價。這項評價標準由 ITU(InternationalTelecommunicationUnion，國際電信聯盟簡稱國際電聯)在 1996 年，作為囊括在《P.800: Methods for determination of transmission quality 》中的一個「子標準」沿用至今，字面意思不難看出，這是個圍繞「主觀」(subjective)—— 也就是人工聽覺、人工打分的一項判定方法。

別看 MOS 古老(那時 TTS 還未普及)，作為一個成熟、穩定、高度逼近人類聽覺體驗的評價標準，MOS 的制定最初建立在一套有參考信號的評價體系之上的：評價時，同時需要待測信號和參考信號。相較于無參考評價方案，有參考的客觀評價方案更容易做得貼近主觀評價體系。

“MOS 體系本身是一個主觀評分，在全球最標準化的大會上參加評分的時候，也會要求需要把兩個競品或兩個聲音加上真人，加上一個非安慰劑的參照系放在一起橫向比較。

我們只能比較這幾個主觀評價中，用戶對它們評價的差值，但絕對分值的比較，因為它是一個主觀比較，所以在換樣本量，或換不同的場景，都會導致分值上的差異。

需要放在同一測試中這個分數才有比較的意義。”陳思云在回答能否用 MOS 評分高低作競品橫評時談到。“即便無法客觀的讓小 P 橫向對比。但我相信更新后，用戶拿小 P 和 Siri 對比，還是有很大區別的。”

二、軟硬兼施，打出「情感牌」

從剛才的視頻來看，全新小 P 聲音飽滿程度也有很大提升，再配合 P7 本身的良好的 NVH 性能，我預感這波 HiFi 級高保真音質真的可以在 P7 上發揮出來，成為量產車中排名數一數二的沉浸交互感。

實際上，全新 AI 聲音采用 24K 采樣技術(現有聲音為 16k)，各種場景下的聲音反饋都被精心調教，用戶聽到的每句話都細膩生動、充滿活力。

“新舊聲音對比來聽，會明顯感受到音質的差距。這個聲音不是拼接的，完全采用 AI 訓練、生成出來的。”郝超補充道，“業內無論車企還是智能音箱，大家還是在用提前錄音的方式，盡可能讓語音包更好聽，但內容覆蓋率不高，所以我們采取這種方式(AI 生成)，也算一次大的創新。”

除了這些「硬實力」，全新 AI 語音還有足夠「軟實力」。

“小 P 會像 Siri 一樣調侃么?”，筆者問道。

“全新 AI 聲音會有一些情緒上的表達，或者對不同情景、不同語氣會有一些彩蛋的埋入，包含像偶爾跟用戶進行一些小的調侃，去調劑一下用戶整個行程中的娛樂性，這也會有一些小的彩蛋的埋入。”陳思云回答。

而具體有哪些「彩蛋」，還需要 P7 車主一點點挖掘。