在8月21日美国旧金山举行的芯片行业顶级学术会议HOTCHIPS上，阿里巴巴达摩院发布了新一代AI语音FPGA芯片技术——Ouroboros，该技术能将语音生成算法的计算效率提高百倍以上。这是业界首款专用于语音合成算法的AI FPGA芯片结构设计。

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。

算法很好但难以进行实时计算是语音芯片的行业难题。Ouroboros的突破在于它使用了端上定制硬件加速技术，替代云端服务器，有效避免了对网络连接和云端服务的强依赖性，解决了这一问题。以计算量最大的AI语音合成算法WaveNet为例，为了生成1秒的语音，CPU和GPU需要消耗50秒的计算时间，但Ouroboros在FPGA环境下只需要 0.3秒，大大提升计算效率，同时将整体服务成本降低 10 倍以上。

阿里用户在使用天猫精灵、高德导航、智能点餐机等服务时，将率先得到媲美真人语音交互的体验。


自研算法与自研AI芯片设计的结合，也意味着阿里在语音生成领域实现了真正的“软硬一体化”计算结构的落地。


据了解，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。（完）