在各个企业都大步奔向AI技术时，我们也能发现越来越多的企业开始关注技术与人文之间的联系。就像搜狗重阳节推出的“以声相伴”项目，就是以个性化语音合成为切入，让广大用户尝试利用自己的声音合成语音，为阿尔兹海默症患者读书，唤起社会对于患者的关爱。

除去项目中体现出的人文关怀和公益精神以外，我们关注更多的是搜狗在小程序和短片展示的语音合成技术高度和结合语音识别的应用创新性，在当今语音市场群雄争霸的格局下，搜狗可谓别树一帜地亮了次肌肉，吸引了行业的关注。

被埋藏的宝藏：当语音合成成为整个市场的短板

如果说语音合成是一项不被重视的技术，显然是不够客观的。如今BAT科技巨头、AI独角兽等纷纷入局，语音市场一片热闹，很难说有哪一项细节技术是没有人关注的。

但从当前几家典型AI技术企业的在语音方面的布局来看，的确很少有哪一家展示出了在语音合成方面较为深入的能力。

以百度为例，百度的DuerOS更加注重的是技术生态的打造。通过连接硬件，打通百度语音技术下达到现实应用场景的通路。因此，显然DuerOS更注重语音技术API接口的耦合与整合，包括百度对于AI技术的整体化关注，DuerOS技术体系中也融合了一部分结合了视觉等等方面的多模态识别。

另一种典型是科大讯飞等专注于单项语音技术研究的技术型企业。因此对于主攻B端市场的AI技术企业来说，语音合成技术的打造更倾向于“一招鲜吃遍天”，比如大家很熟悉的林志玲语音，就是邀请林志玲前来录制了四千多个字，才能搭建成今天声音和语气都高度相似的林志玲语音合成。但这种高成本高投入的技术，显然只能适用于B端市场，不具有普遍性。

裂隙是光透进来的地方：搜狗将如何利用技术撬动语音市场格局？

而搜狗在宣传片中展示出了自己在业内推出的个性化生成语音和情感迁移两项技术。

通过利用声音数据训练神经网络，从声音样本中抓取音色、音调这样的关键特征，再把音节数据还原成声音，就可以在短时间内复制一个人的语气和声调。像很多地图产品推出的明星版语音包，其实是找了明星录入上千个字的读音加上几十句短语，拼接起来才能实现。但搜狗的个性化生成技术，只需要用户上传少量音频，即可合成高质量的个性化音色。

而情感迁移技术则是将相声贯口、唱歌、绕口令等等不同的说话风格抽象化，将语速、停顿方式、语调等特征构成神经网络模型，再对文本信息进行处理，进而可以模仿各种发音风格。如同视频中老奶奶的声音一样，老年人说话特有的慢条斯理和和蔼，都是通过情感迁移才能实现，而不能仅仅依靠音色。

首先，市场中呈现出了敏捷开发与敏捷应用之间的空隙。打造平台化生态的技术企业，关注的更多是如何帮助开发者进行敏捷开发，让语音技术能力可以快速进入智能音箱、IOT设备、汽车等等硬件场景。但作为C端用户和消费者，同样需要敏捷的应用语音技术。就像宣传片中体现的，只需几十秒的对话就能完美复制一个人的声音和语气，对于用户来说是一种十分实用的应用方式。例如用户可以用自己的声音替换有声书声音、用家人朋友的声音进行地图导航等等。这种敏捷应用的广阔市场是无法被平台中的开发者所代劳的，也就为搜狗提供了更加贴近用户的途径。