智能语音技术在快手具有丰富的应用场景，一方面要对每天快手用户产生的海量语音数据进行内容分析，为接下来的信息安全、内容理解、广告与推荐等提供基础服务。另一方面，要赋能快手的众多产品，提升用户与产品交互的便利性和趣味性。大量多样化的场景和海量数据对语音识别的精度与效率提出了重大挑战。近年来，端到端语音识别技术以其框架简洁、高精度、高效率的优势，成为领域研究热点，短短几年经历了多次技术更新与迭代。本次分享将会介绍端到端语音识别技术的发展历程和最新进展，并结合快手业务，介绍快手团队在 SpeechTransformer 模型上进行的多项改进与落地实践。

1、端到端语音识别技术概述

• 动机
• 技术历程

2、快手 SpeechTransformer 模型的探索与实践

• SpeechTransformer 模型
• 模型改进与实践

3、结语与未来展望

听众受益

• 了解端到端语音识别技术的前沿进展与现状；
• 了解快手对 SpeechTransformer 模型的多项改进；
• 了解快手在端到端语音识别技术上的落地实践。

近些年来，随着深度学习的快速发展，端到端（End-to-End）语音合成得到了广泛的关注和研究。传统的语音合成声学模型训练的流程复杂，包括 label 设计、问题集设计、HMM-GMM 训练以及决策树聚类等一系列流程。而端到端的声学模型直接使用单一的深度神经网络模型进行建模，极大的降低了模型的复杂度。另一方面，基于神经网络的声码器（Vocoder）在性能上也逐渐超越基于信号理论的传统声码器。端到端声学模型和神经网络 Vocoder 虽然能够合成非常高质量的声音，却面临着计算开销大和使用成本高的问题。如何解决这些难题，有效地将这一系列新技术落地，是语音合成从业者当前面临的最大挑战。本报告将介绍出门问问近期在端到端语音合成系统上取得的研发成果以及在语音合成技术产品化和 ToB 行业落地的经验。

内容大纲

1、语音合成概述

• 出门问问语音合成发展历程
• 出门问问语音合成技术概要
• 出门问问语音合成应用产品和 ToB 业务

2、出门问问技术最新进展

• MeetVoice 端到端系统介绍
• MeetParameter - 端到端合成框架介绍
• MeetVocoder - 神经网络 Vocoder 框架介绍
• MeetVoice 模型改进与实践
• 小数据量端到端语音合成的挑战与解决方案
• 端到端系统的最新研究

3、出门问问语音合成行业实践

• 车载语音助手
• 电话助手
• 公众号文章音频播报

4、展望与总结

听众受益

• 了解并探讨出门问问语音合成技术最新进展及方向；
• 了解 TTS ToB 的技术难点和技术方案。

前沿亮点

• 端到端语音合成系统如何落地；
• 端到端系统如何在全 CPU 上做到工业级别的首帧低延迟。