Siri和Alexa背后的女科學(xué)家逝世，是她讓AI有了女聲

蕭簫 2020-08-24 13:46:21 來源：量子位

蕭簫 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI

“嘿Siri，你能幫我做點什么？”

“……”

Siri的“甜美女聲”，現(xiàn)在已經(jīng)司空見慣了。

但如果沒有女科學(xué)家Ann Syrdal的努力，這種“合成女聲”可能還需要更長的時間。

遺憾的是，7月24日，74歲的Ann Syrdal去世了。

這位被網(wǎng)友諧音為“Answer doll”（問答娃娃）的語音合成專家，曾經(jīng)是美國電話電報公司（AT&T，擁有貝爾實驗室）的首席技術(shù)研究員。

在美國電話電報公司研究期間，她開發(fā)出了“第一個真正高質(zhì)量的女性合成聲音”，這才有了后來的Siri和Alexa（亞馬遜的語音助手）。

于是《紐約時報》評價說：她是Siri和Alexa背后的那個人。

事實上，雖然語音合成技術(shù)早已有之，1939年，AT&T的貝爾實驗室就已經(jīng)開發(fā)出了首批合成語音。

但，這些語音合成技術(shù)（TTS）基本只能合成男性的聲音。

往后的40年間，計算機技術(shù)突飛猛進，合成女性語音的技術(shù)卻一直停滯不前。

Siri的開發(fā)者Tom Gruber曾經(jīng)表示：“那些聲音聽起來就像機器人說話一樣。”

而Ann Syrdal的到來，才讓合成女性聲音有了質(zhì)地的飛躍。

讓機器發(fā)出“自然的”女聲

自20世紀(jì)80年代中期，Syrdal開始研發(fā)女性語音合成系統(tǒng)。

Syrdal的同事、語言研究員h.s.Gopal曾表示：“那時候，所有人都認(rèn)為女聲只是男聲的高頻版本，但這種想法根本不起作用。”

事實上，由于女性聲音的特點，例如更高的音調(diào)和更多的氣音，會導(dǎo)致在電話和計算機里，女性的聲音比男聲更加難聽懂。

據(jù)研究發(fā)現(xiàn)，即使是真人對講，女性聲音被聽錯的概率要比男性平均高出33%。

舉個例子，當(dāng)你在做英語聽力時，有沒有感覺到，男聲聽力題往往會比女聲更容易聽懂？

這也是為什么，電話行業(yè)中大多數(shù)計算機合成的聲音聽起來像男性。

然而，語音合成領(lǐng)域不可能只有男聲。

事實上，部分有發(fā)聲障礙的女性，一直更希望能以女性的合成聲音與外界溝通；此外，也有人對女聲更加敏感。

就在1990年，Syrdal開發(fā)了一種可以合成女聲的系統(tǒng)，通過優(yōu)化數(shù)據(jù)庫中的聲音，將女性合成聲音聽錯的幾率從67%降到了40%。

這其中，一個名為Julia的女性合成聲音，就是Syrdal開發(fā)出來的。

Julia合成女聲.wav來自量子位00:0000:27

可以聽見，無論是發(fā)音還是流暢程度，都已經(jīng)達(dá)到了非常不錯的水平，當(dāng)然，語調(diào)還有一點奇怪，不過已經(jīng)非常逼真了。

與直接創(chuàng)作語音相比，Syrdal選擇將真人女性的語音片段組成一個大型數(shù)據(jù)庫，在準(zhǔn)確標(biāo)記、確保語音質(zhì)量的前提下，將它們拼湊起來，找到組合的規(guī)律，便于組成新詞和新的句子。

此外，她還建立并測試了人類計算機模型，試圖理解人類是如何識別各種語音的。

而她一直以來研究的目標(biāo)，是將這個錯誤率降到33%以下，甚至比真人女性聲音被聽錯的概率還要低。

1998年，Syrdal研發(fā)出的「自然之聲」系統(tǒng)（Natural Voices），在國際語音合成器競賽中獲得了第一名，這是這項競賽的一個拐點——因為它使用了女性的聲音。

現(xiàn)如今，采用這項技術(shù)的Siri和Alexa，已經(jīng)同時提供了女性和男性的聲音。

而在美國與日本，Siri的女性聲音已經(jīng)成為了“標(biāo)配”，幾乎所有iPhone手機采用的都是Siri的女聲。

2008年，Syrdal被任命為美國聲學(xué)學(xué)會的研究員，以表彰她對女性語音合成領(lǐng)域所做出的貢獻(xiàn)。

「自然之聲」項目的負(fù)責(zé)人Juergen Schoeter表示：“就像是有什么力量一直驅(qū)動著她，促使她去優(yōu)化女性聲音的質(zhì)量?！?/p>

合成女性語音之母

Ann Syrdal于1945年12月13日生于明尼阿波利斯（Minneapolis），她的父母于霍尼韋爾認(rèn)識，這是一家二戰(zhàn)前就存在的科技巨頭公司。

她的父親是一名開發(fā)真空管與電子技術(shù)的物理學(xué)家與工程師，在她2歲的時候就離世了，母親將她撫養(yǎng)長大。

事實上，Ann Syrdal考上明尼蘇達(dá)大學(xué)時，并沒有考慮過從事科學(xué)工作，直到一位心理學(xué)教授請她幫忙做一個有老鼠參與的實驗，她才意識到自己熱愛實驗室工作。

隨后，她在明尼蘇達(dá)大學(xué)獲得本科與博士學(xué)位，此后在麻省理工學(xué)院從事博士后的研究。

也是在麻省理工學(xué)院和皇家理工學(xué)院，她開始研究人類語言的機制，此后一鉆研就是大半輩子，一直到2015年，仍然在堅持不懈地發(fā)表論文。

事實上，Ann Syrdal發(fā)表的論文數(shù)量不多，在Researchgate上顯示的一共有55篇，這些論文一共被引用了1100余次。

然而，她在語音合成領(lǐng)域上做出的貢獻(xiàn)卻有目共睹。

對于Ann Syrdal本人來說，選擇科研的動力，來自于她在MIT工作的那段時間。

“無論在哪個領(lǐng)域，似乎都能在這里找到那個領(lǐng)域的世界專家，這種激勵的感覺幾乎讓人難以夜寐。”

Ann Syrdal的女兒表示，因為癌癥的原因，她于7月24日在加利福尼亞圣何塞的家中離世。

參考鏈接：

https://www.nytimes.com/2020/08/20/technology/ann-syrdal-who-helped-give-computers-a-female-voice-dies-at-74.html

https://www.researchgate.net/scientific-contributions/7938035_Ann_K_Syrdal

https://www.reddit.com/r/technology/comments/idjjvc/ann_syrdal_who_helped_give_computers_a_female/

https://en.wikipedia.org/wiki/Ann_Syrdal