国内语音技术哪家强百度阿里科大讯飞各有千秋

语音技术是人工智能（AI）的一个重要分支，包括自动语音识别技术（ASR）和语音合成技术（TTS）。语音识别就是可以让计算机识别人类语音中的词汇，通过识别到词汇来进行后续的业务场景处理。语音识别是涉及心理学、生理学、声学、语言学、信息理论、信号处理、计算机科学、模式识别等多个学科的交叉学科，具有广阔的应用前景，如语音检索、自动客户服务、命令控制、机器自动翻译等。而语音合成技术是将外部输入的文字转成人类可以听懂的语音技术。它涉及声学、语言学、数字信号处理、计算机科学等多个学科技术，是中文信息处理领域的一项前沿技术，解决的主要问题就是如何将文字信息转化为可听的声音信息，应用场景包括语音导航、有声读物、机器人、语音助手、自动新闻播报等场景。

随着人工智能技术的发展，语音技术目前发展的也比较成熟，国内很多云厂商都提供了语音技术的服务SDK，企业和个人开发者可以根据云厂商提供的语音技术SDK开发自己的应用场景。开发者更多关注的是应用场景的创新性，而无需关注语音技术底层的实现逻辑，这也是云厂商提供给开发者的一大福利。目前国内的百度、阿里、腾讯、科大讯飞、搜狗等科技公司都有语音技术的服务，其中，百度、阿里、科大讯飞的语音技术相对成熟，我们可以根据自己的需求选择任何一家服务商使用。但是三家公司语音服务的付费模式、接入方式、语音库各不相同，我们如何选择很为合适的服务商呢？三家服务商的语音技术各自有哪些特点和优势呢？

百度的语音技术产品叫天智人工智能。天智基于世界领先的百度大脑，提供拿来即用的视觉、语音等通用AI能力及行业解决方案、AI开发平台及培训服务等。行业客户可基于自身业务需求及数据，定制出个性化智能应用。而其中语音技术采用国际领先的流式端到端语音语言一体化建模算法，将语音快速正确识别为文字，支持手机应用语音交互、语音内容分析、机器人对话等多个场景。它的服务包括短语音识别、语音合成、语音自练习平台、呼叫中心语音解决方案、远场语音识别等，其中短语音识别、语音合成常用的两种服务。百度的短语音识别可以识别中文普通话、英语、粤语、四川话和大多数的方言。短语音识服务一个应用5万免费调用次数，可以满足小型应用的需求。语音合成服务包括基础音库和精品音库，都是免费提供给开发者使用的，但是有QPS的限制，精品音库提供了九种音库，这可以满足中小开发者的需求。际精品音库领先的流式端到端语音

阿里云是国内很大的云厂商，其云市场规模国内第一、世界第三，仅次于亚马逊、微软。阿里云不仅面向企业提供云服务器、数据库、中间件等软硬件服务，而且提供视频、语音技术。阿里云的语音技术服务是智能语音交互，它是基于语音识别、语音合成、自然语言理解等技术，为企业在多种实际应用场景下，赋予产品“能听、会说、懂你”式的智能人机交互体验。适用于多个应用场景中，包括智能问答、智能质检、法庭庭审实时记录、实时演讲字幕、访谈录音转写等场景。主要功能包括录音文件识别、实时语音转写、一句话识别、语音合成等。其中语音合成服务，通过先进的深度学习技术，将文本转换成自然流畅的语音。目前有多种音色可供选择，并提供调节语速、语调、音量等功能。语音识别和语音合成目前都是按照次数收费，费用相对便宜，100万次数1000元左右一年。语音合成提供了40多种可选的音库，支持支持输出pcm、wav、mp3编码格式数据；支持设置语速，语调，音量；支持设置男声/女声，非常丰富，是企业和个人开发的优选。

科大讯飞是专业从事智能语音及语言技术研究、软件及芯片产品开发、语音信息服务及电子政务系统集成，拥有灵犀语音助手讯飞输入法等优秀产品，这就是与阿里百度不同的地方，科大讯飞是专门做语音技术的公司，它的技术是很成熟的。其中汉语语音识别技术在国内领先，无人能及。得到、QQ阅读、咪咕阅读、起点读书、高德地图、滴滴出行、京东、有道翻译等产品的语音都用的是科大讯飞的技术。科大讯飞语音识别技术已经达到先进水平，语音识别正确率已经达到实用标准。支持中、英、日、韩、俄、法、西7个语种的识别，同时，还支持广东话、河南话、四川话等方言的识别。在语音合成技术方面，科大讯飞提供中英日韩等18种多语种、川豫粤等多方言、男女声多风格的选择，音量、语速、音调等参数。其高质量合成音频的自然度和清楚度已经超过了普通人的朗读水平。语音识别和语音合成目前都是按次数收费，收费相比阿里较贵，一万次58元，是专业的语音产品的优选。

百度的语音技术目前是免费使用的，注册百度AI平台就可以使用，但是有QPS限制，小应用可以选择使用。阿里和科大讯飞都是按量收费，相对来说阿里的比较便宜，假如企业或者开发本身选择的就是阿里云服务器，那建议使用阿里语音技术。科大讯飞是专业的语音技术提供商，其语音技术在国内领先，国内很多知名的产品都在使用科大讯飞。科大讯飞语音技术资费相对较贵，是专业语音产品的优选。