语音 AI
为您的对话式 AI 应用提供语音界面。
什么是语音 AI？
语音 AI 使人们能够与设备、机器和计算机交谈，从而简化并改善生活。语音 AI 是对话式 AI 的一个子集，它包括自动语音识别 (ASR) 和文本转语音 (TTS)，可将人类语音转换为文本，并从书面词句中生成类似人类的声音，从而实现虚拟助理、实时转录、语音搜索和问答系统等强大技术。
使用语音 AI 的优势。
出色的准确性。
通过语音 AI 模型自定义实现的出色准确性，将客户体验升级到卓越水平。
支持多种语言。
通过提供客户所用语言的语音应用，拓展您的客户群。
高性能和可扩展性。
借助低延迟、高吞吐量的应用为更多客户提供服务，这些应用可以基于任意基础设施进行即时扩展：本地、云、边缘或嵌入式基础设施。
为您的品牌提供专属自然语音。
借助您的品牌专属语音进行快速、有意义的互动，提升您的客户服务质量。
免费电子书：构建语音 AI 应用
了解如何为您的对话式 AI 应用构建和部署实时语音 AI 工作流。
语音 AI 用例。
开发可自定义的语音 AI 界面。
使用预训练模型缩短训练时间。
现代语音 AI 系统使用基于海量数据集训练的深度神经网络 (DNN) 模型。随着时间的推移，语音 AI 模型的规模大幅增长，因此，即使在高性能 GPU 上使用 PyTorch、TensorFlow 和 MXNet 等深度学习框架，训练此类模型也可能需要数周的密集计算时间。
NVIDIA 语音 AI 在 NVIDIA NGC™ 目录中提供预训练的生产级优质模型，这些模型基于多个公共和专有数据集在 NVIDIA DGX™ 系统上训练了超过数十万小时。
图 1：高度准确的预训练模型。
图 2：端到端 TAO 工具套件工作流。
自定义模型以获得更高的准确性。
为实现企业特定对话应用所需的准确性，许多企业必须自定义语音 AI 模型。但是，从头开始自定义语音 AI 模型通常需要庞大的训练数据集和 AI 专业知识。
要在先前没有 AI 经验的情况下加速开发并高度自定义语音模型，您可以使用 NVIDIA TAO 工具套件（一种低代码 AI 模型开发工具套件）。它将经过验证的迁移学习方法应用于预训练模型，并根据您的用例微调语音 AI 模型。NVIDIA 还提供开源工具套件 NeMo，供研究人员构建先进 (SOTA) 的语音 AI 模型。使用 NeMo 和 TAO 工具套件优化的模型可以轻松导出，并在 NVIDIA® Riva 本地或云中部署为语音服务。
通过开发实时技能，实现自然交互。
对于语音 AI 技能，公司之前必须始终在准确性和实时性能之间做出选择。例如，他们不能问一个问题，然后等待几秒钟才能得到回复。此外，他们不希望对话式 AI 应用存在误解或传达无用信息。
借助 NVIDIA Riva，公司可以实现出色的准确性，并在几毫秒内实时运行语音 AI 工作流。Riva 提供 NGC 上的 SOTA 预训练模型、低代码工具（例如用于微调的 TAO 工具套件），以实现出色准确性和面向实时性能的优化技能。
图 3：NVIDIA Riva 语音 AI 能力。
探索语音 AI 领域的新突破。
访问教育资源。
注册以接收 NVIDIA 发布的关于语音 AI 的新动态。