國(guó)際語音合成大賽是由美國(guó)和日本聯(lián)合發(fā)起的國(guó)際上規(guī)模最大、最具影響力的語音合成大賽，歷屆大賽吸引了美國(guó)卡耐基-梅隆大學(xué)、英國(guó)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)域的世界一流研究機(jī)構(gòu)與企業(yè)參加。

　　與前兩屆相比，本次大賽再次將主要測(cè)試語種由非英語語種轉(zhuǎn)換到英語，要求測(cè)試的數(shù)據(jù)庫(kù)是一個(gè)5小時(shí)英文兒童有聲讀物，共有16個(gè)系統(tǒng)參測(cè)。主辦方擬定的測(cè)試指標(biāo)除了傳統(tǒng)的相似度、自然度、聽寫錯(cuò)誤率外，還有針對(duì)故事合成的段落評(píng)分，包括總體感覺等共7項(xiàng)指標(biāo)，科大訊飛全部是以顯著優(yōu)勢(shì)獲得第一。其中，在非常關(guān)鍵的自然度指標(biāo)上，訊飛是4.2分，第二名是3.9分，訊飛是唯一超過4.0分的參賽系統(tǒng)。

　　本次參賽，在不到兩個(gè)月的時(shí)間內(nèi)，研究團(tuán)隊(duì)克服了時(shí)間緊、音庫(kù)小、風(fēng)格變化極大等困難，充分發(fā)揮了科大訊飛的核心技術(shù)優(yōu)勢(shì)，采用基于統(tǒng)計(jì)聲學(xué)模型的單元挑選與參數(shù)合成技術(shù)方案，并研發(fā)了基于深度神經(jīng)網(wǎng)絡(luò)的語音合成新方法，高質(zhì)量完成了語音合成系統(tǒng)的構(gòu)建。最終提交的參賽系統(tǒng)獲得了英語合成語音相似度與自然度、可懂度等共計(jì)7個(gè)指標(biāo)的第一名。

　　此次參賽再創(chuàng)佳績(jī)，進(jìn)一步擴(kuò)大了科大訊飛在語音合成等關(guān)鍵技術(shù)領(lǐng)域的國(guó)際領(lǐng)先優(yōu)勢(shì)，對(duì)推動(dòng)智能語音技術(shù)在社會(huì)各領(lǐng)域的深入應(yīng)用、贏取國(guó)際競(jìng)爭(zhēng)、開拓國(guó)際市場(chǎng)等方面具有重大而深遠(yuǎn)的戰(zhàn)略意義。

　　一直以來，科大訊飛的語音合成技術(shù)代表著世界最高水平，不僅中文語音合成技術(shù)超過了普通人說話水平，而且在英語等多語種語音合成上牢牢樹立了國(guó)際領(lǐng)先地位。未來科大訊飛將積極開展人機(jī)對(duì)話、小說合成等熱點(diǎn)領(lǐng)域的研究，著力提升語音合成的表現(xiàn)力和真實(shí)感，通過語音處理、個(gè)性化、定制化等技術(shù)，進(jìn)一步擴(kuò)大應(yīng)用范圍，不斷提升核心效果。

　　語音及語言信息處理國(guó)家工程實(shí)驗(yàn)室是由國(guó)家發(fā)改委于2011年批復(fù)成立，由科大訊飛和中國(guó)科學(xué)技術(shù)大學(xué)聯(lián)合共建，是我國(guó)智能語音領(lǐng)域唯一的國(guó)家級(jí)研究平臺(tái)。