阿里达摩院发布业界首款语音合成算法专用AI FPGA芯片设计Ouroboros

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。

文：包永刚

Hot chips 31（2019）正在美国旧金山举行，峰会第二天阿里巴巴带来了《Ouroboros: A WaveNet Inference Engine for TTS Applications on Embedded Devices》的演讲，并发布了新一代 AI 语音 FPGA 芯片技术 Ouroboros。

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。

与阿里近来发布的其它芯片产品一样，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。