达摩院发布新一代AI语音FPGA芯片,处理速度成百倍提升

在美国旧金山举行的芯片行业顶级学术会议HOTCHIPS上,阿里巴巴达摩院发布了新一代AI语音FPGA芯片技术——Ouroboros,该技术能将语音生成算法的计算效率提高百倍以上。

damo082201

阿里达摩院介绍,在使用AI语音合成算法WaveNet生成1秒语音的情况下,如果底层硬件采用的是CPU和GPU,生成语音需要花费50秒,但如果采用Ouroboros,在FPGA环境下完成生成只要 0.3秒。

阿里巴巴称,这是业界首款专用于语音合成算法的 AI FPGA芯片结构设计,能将语音生成算法的计算效率提高百倍以上。

根据阿里达摩院扫地僧的说法,用AI语音合成算法WaveNet生成1秒语音,CPU和GPU需要50秒的计算时间,但Ouroboros在FPGA环境下只要 0.3秒。Ouroboros的一大突破,是用端上定制硬件加速技术替代云端服务器,避免了对网络连接和云端服务的强依赖性。

针对 ASIC 实现的性能仿真预估表明,Ouroboros 的设计可以实时运行 WaveNet 等业界先进的文字转语音(TTS,Text-to-Speech)算法 ,实现实时语音合成。

另据了解,Ouroboros 技术同样适用于达摩院于今年 7 月发布的新一代的语音合成算法KAN-TTS。该算法将商用系统里的合成语音与原始语音的相似度提高到97%以上。

还有消息指出,Ouroboros 技术,同样适用于达摩院于今年 7 月发布的新一代的语音合成算法KAN-TTS。该算法将商用系统里的合成语音与原始语音的相似度提高到97%以上。Ouroboros芯片技术除了语音合成之外,还将支持AI语音识别。基于Ouroboros研发完整的语音AI芯片,有望率先在天猫精灵上落地。

我们注意到,与阿里其它近来发布的其他芯片产品一样,这个产品的命名也很有特色。Ouroboros中文是衔尾蛇,是一个古代流传下来的符号,形象为一条蛇(或龙)吞食自己的尾巴,结果形成一个圆环(有时亦会展示成扭纹形,即“∞”),其名字涵义为“自我吞食者”。这个符号一直都有很多不同的象征意义,而当中最为人接受的是“无限大”、“循环”等。

未经允许不得转载:数智网 » 达摩院发布新一代AI语音FPGA芯片,处理速度成百倍提升

分享到: