標貝科技是一家2016年2月組建，6月開始正式運營的語音合成公司。憑借不到30人的小團隊和僅僅1人的市場兼銷售，他們在成立當年便與百度、滴滴等大企業展開合作，確立了自己在語音合成領域的位置。
語音合成對多數人而言并不是多么陌生的技術，大家都知道這一技術應用在哪些地方。百度地圖、滴滴出行等出行類app，喜馬拉雅小雅音箱、Rokid若琪等智能音箱，出門問問等語音助手都被我們熟知。他們的聲音背后，都有標貝的方案。
語音的背后是智能。標貝科技在產業中所處的位置，是人工智能的人機交互部分，這部分可進一步細分為語音識別、語義分析（2017年在國內驟然興起的NLP）及語音合成三個領域。誠然，作為一家創業公司，標貝科技需要面對不少先行者乃至巨頭；幸運的是，科大訊飛、捷通華聲等老前輩把更多精力集中于語音識別，近些年國內的創業同行們也普遍專攻NLP，語音合成則相對是市場認知較晚、從業專家較少的領域。
國內最早研究語音合成的團隊，一些在國家機關如中科院，一些集中在高等學府如北大、清華、中科大等，一些則在科大訊飛、捷通華聲等公司任職。最初的語音合成技術，應用于銀行叫號機、火車站廣播等跟互聯網沒啥關系的產品。嚴格來說，那個時代的語音合成并不是人工智能的細分領域；也因此，在需求變化后，當語音合成離不開人工智能，這個行業需要一定程度的「從頭再來」，這也就給了標貝科技等創業公司以機會。
雖然尚屬創業公司，但標貝科技的創始團隊及其核心技術人員普遍有著六、七年以上的從業經歷，他們來自科大訊飛、捷通華聲、百度等大企業，不僅是這一曾經的冷門行業中為數不多的高級人才，彼此之間的合作也早有年月。此次出來創業，以創始人劉博為首的標貝科技，打算帶著語音合成的專業知識和經驗，全面擁抱人工智能時代。
僅僅提到「語音合成」，不足以描述標貝科技的垂直程度，實際上他們更專注于語音合成背后的數據庫及其加工方式。簡而言之，機器說話可以理解為對人類說話的一種模仿，但人類說話并沒有一種固定的模式——拿高德地圖來說，林志玲語音包和默認語音包能一樣么？基于林志玲創建的語音數據庫，可能就比來自其他人的更受歡迎一些。
更細微的差別不止于此。一個成年人在興奮時什么語氣，沮喪時什么語氣，正午什么音調，子夜什么音調，工作時如何用詞，私密時如何用詞，可能都會有顯著區別。對于社會而言，10年前人們普遍的說話方式，及今天人們普遍的說話方式，差異也是一聽便知。
比如你現在走進屋子來錄音。你剛剛進來時的聲音，和你坐了一個小時后的聲音，其實是不一樣的。如果用這種有瑕疵的數據庫來做語音合成，就很難避免不自然、不像人的地方。
消除語音助手的「機器味」，或至少避免嚴重的違和感，產品背后的語音數據庫就一定要與產品調性匹配，并且與時俱進——同樣是神似真人的聲音，你大概不希望打理日常瑣事的語音助手，是2006年黃健翔解說足球比賽那個風味吧？
標貝所做的事情，就是通過構建更完善、更優質的數據庫，讓機器發聲更自然、更貼近真人，也更適合產品自身的需要。使用過小雅音箱或若琪（這兩款音箱的語音合成都來自標貝）的朋友大可自己判斷，和其他產品相比，哪些聲音聽起來更舒服。
標貝科技創始人劉博表示，從數據庫切入市場也有另一重考量，在于數據庫更有說服力。比起對技術的解讀，直接展示手中的資源更容易打動客戶。不過，如今的標貝也推出了比數據庫更直觀的產品——免費、公開的TTS評測系統，讓不了解自己「為什么做不好語音合成」的客戶明白問題出在哪兒。
發現問題后，有些問題可以通過技術層面的改善解決，有些則必須調整數據庫本身。這時，標貝積累的資源就能派上用場。基于更好的數據庫，很多努力都可以事半功倍；對于企業來說，既然沒必要重復造輪子，提前做好準備的標貝，就順勢成為了許多企業的首選。畢竟，時代已不同以往，想要在人工智能領域取得優勢，細節非常重要。
不管說的內容是什么，有人說話讓你聽著很舒服，有人則讓你很煩躁。聲音是一個與體驗密切相關的東西，合格的就是合格，不合格的就是不合格。不合格的聲音再怎么做些微改善，也達不到今天的要求。
而不合格的聲音帶來的，則是顧客對產品評價的全面下降。回憶一下，在與通常的語音客服交流時，聽著那種語速極慢的機器聲音逐個蹦字「XXX請按1，XXX請按2……」，你的第一需求是否是「馬上轉接人工」？類似語音客服的存在，不僅沒有很好地緩解人工客服的壓力，更是浪費了客戶的時間。不管對企業還是對社會，這種聽起來就像機器的聲音，都有改善的必要。
「人工智能興起之前，市場沒有對語音合成的需求。所以直到2015年、2016年，這個行業才有創業的機會。」劉博說，標貝能很快與各行各業、很多公司開始合作，也正因為語音合成的圈子太小，誰做了什么、做得怎么樣，圈里人都一清二楚。團隊實力強勁的標貝，很快便受到關注，業務起步迅速也是情理之中了。
正因為行業以前有點「隱形」，從業人員太少，現在的人工智能公司，無論做智能音箱、語音助手還是兒童玩具，都極難找到足夠人才組建自己的語音合成團隊。這時，由行業精英組成的，為數不多的幾家創業公司，會對市場起到舉足輕重的支持作用。標貝科技也因此被凱泰資本看好，于2017年10月拿到1000萬元規模的Pre-A輪融資。
值得一提的是，從成立初期一直到2018年，標貝提供的主要服務就是數據庫及部分算法，從一個相當垂直的角度切入市場，打造了良好口碑。但今年開始，考慮到越來越多的新公司、小團隊也加入了人工智能大軍，而他們需要的更可能是完整的語音合成方案，標貝也推出了自己的語音合成全套服務。
那么，哪些行業最可能成為標貝的客戶呢？劉博透露道，雖然目前能見到的還不多，但人工智能語音很快就會在泛文娛方向發力，尤其是游戲及兒童玩具等。劉博說，游戲中的NPC引入人工智能后，就能應對更多的情況，不再重復向玩家播放兩三句固定臺詞。
這不禁令我想起《上古卷軸5：天際》的一些智能NPCmod。mod雖然帶來了更豐富的內容，無非也只是從一個小框架跳到一個大框架里，用mod作者的努力代替了游戲團隊的更新。但智能化的NPC，則能跳出框架，進入一個真正自由的領域。屆時，游戲，尤其是近年火熱的開放世界游戲，顯然會給玩家帶來更豐富多變的體驗，也能極大延長游戲的壽命。
與此同時，若將更好的語音合成技術應用于機器人，則家用機器人就會更有陪伴感，更適合照顧小孩、老人。今年的中國，機器人娛樂很可能成為重要的一環，我們不妨批判一下它們的語音系統——誰是智能的，誰還停留在「銀行客服」水平。
