2019年9月26日，達(dá)摩院在杭州云棲大會公布了2019年阿里語音AI四大進(jìn)展，其在語音AI的理論、技術(shù)、應(yīng)用等整個鏈路均有突破。

達(dá)摩院語音實驗室負(fù)責(zé)人鄢志杰介紹，2019年以來實現(xiàn)了四大技術(shù)進(jìn)展，即聲學(xué)信號處理理論、語音合成技術(shù)、語音自學(xué)習(xí)平臺及通用語音交互方案。其中，通用語音交互方案提供了端云接入、全方位服務(wù)、可定制的一站式解決方案。

會上，阿里巴巴還公布了人工智能調(diào)用規(guī)模：每天調(diào)用超1萬億次，服務(wù)全球10億人，日處理圖像10億張、視頻120萬小時、語音55萬小時及自然語言5千億句。

語音AI團(tuán)隊提出了聲學(xué)信號處理的理論創(chuàng)新——指向性差分麥克風(fēng)陣列，用“應(yīng)用指向性麥克風(fēng)陣列”替代傳統(tǒng)的全向型麥克風(fēng)，使得阿里AI能夠?qū)崿F(xiàn)超大型空間內(nèi)的遠(yuǎn)距離清晰收音。阿里云語音自學(xué)習(xí)的平臺升級到了2.0版本，全面開放自學(xué)習(xí)優(yōu)化手段，人人都能自主定制語音模型，平臺已經(jīng)服務(wù)超過2.6萬個場景。