音樂創作我們不說了，后面我們有一段語音的介紹給大家聽聽。我們聽一下這首歌，這是我們給山東衛視演唱的一首歌叫《幸福出發》。我們做這個東西的目的不是讓它唱整首歌，而是驗證機器今天去模擬人的聲音，我們正在幫中國幾個唱片公司做他們歌手虛擬化的項目，虛擬化的項目到什么地步？讓機器重新做完這個歌手的歌發回去給他們，他們CEO說我們歌手從來沒唱過這首歌，唱的不好嗎？不是，這是是機器做的。

　　今天我們認為一些好的資源，好的聲音的資源同樣它可以低成本被用來教育工作。過去很多東西大家認為不合適，機器的聲音度、自然度太低，當自然度太低的時候，達不到一定的標準。這是為什么他們對人的聲音特別的敏感。把聲音的技術，如何去考驗一個聲音的技術的實施程度或者成熟程度呢？我們在音樂領域之前包括教育領域之前，嘗試另外一個垂直領域就是在廣電領域，讓廣電領域用機器的聲音，用這種技術去制作廣播和電視的節目。到目前為止我們已經在大概超過49家廣播和電視臺，生產了1868個小時廣播電視節目，這幾乎大概是等同于中國如果在廣播電視局公司里面能排到前十位的位置。同樣這種成本幾乎只有人類制作團隊4.5%，我給大家看它制作出來的效果。

　　這里邊其實生產大量的廣播電視節目，上個月上海舉辦中國廣播大會上，用我們技術，一共有三家獲獎，用我們這個技術，今天你生產廣播節目成本將會非常低，能實現一邊聽廣播，一邊和廣播的主持人進行實時交流。

　　同樣道理我們上個月宣布我們擁有繪畫和設計能力，我們和中國紡織工業協會推出第一代，由機器根據他們設計師設計主題的布料和服裝進行創作，這在上海展示過了。

　　文本撰寫，我們講說機器在文本撰寫方面極致會達到什么地步？今天在中國我不知道大家炒不炒股票和買不買基金，中國金融市場95%的滬深兩市其他主要金融摘要信息都是由機器生產，持續到目前為止已經8個月了，這是非常嚴肅的金融信息的生產。它的記錄是非常高的可靠性和成熟度。

　　我們講講今天跟教育主題可能是有一些相關的，我們剛才講了文本生成，講了聲音。把所有東西都結合在一起可以做什么？我給大家看一下我們嘗試的一個小小的東西。

　　（播放VCR）

　　大家剛才聽到的這段音頻是百分之百由機器生產，現在我們人工智能技術可以做到你只要把這段文字給機器，機器通過自然語言理解來判別這段故事有幾個角色，為每一個角色分配聲音處理不同的聲音。同時根據這個角色講的內容來決定她朗讀的語氣。最后我們為什么提出做詞曲創作呢，整個這段背景音樂是機器自己生成。這里沒有任何版權問題，全是機器自己生產。這里角度來講，這里最大的變化在于說這個過程速度非常快，我們今天講一個200小時格林童話人生產要讀多長時間，機器來做17分鐘就能做完。我們從去年的11月份開始到今年3月，每天找一些公版的有聲讀物放服務器里面，然后人就回家了，第二天早上回來機器生產完了，我們到現在已經生產了1680個小時的公版的有聲讀物。

　　從3歲聽到6歲，每天不停的聽不重樣也聽不完。同時我們把這項技術給當當包括其他的出版社用來生產有聲讀物，整個有聲讀物的生產的效率和速度能得到極大的提升。喜馬拉雅搜索小冰講故事，我們把所有生產的東西都放在上面讓大家去驗證。這個技術的改變可能是改變我們對所有內容的生產的方式、生產的效率以及消費它的方式。生產效率和生產方式可以理解，今天可以讓機器生產，機器可以低于人的成本。那什么是消費方式呢？這個生產技術流程我稍微說一下。在所有過程里面，你知道我們可以讓機器不用線性生產，但是生產完了之后如果你要去檢查的話，你也是要花一樣的時間。一個20分鐘故事不快進也要聽20分鐘。怎么解決這個問題？我們研發另外一套系統機器自我去審聽多音字的錯誤。包括各種問題，我們做了免檢，可以把準確率免檢提高到97%，就意味著今天機器自動生產有聲讀物的質量能夠超越我們今天在所有有聲讀物市場上，比如今天喜馬拉雅上絕大多數的人類有聲讀物生產者讀的東西，在準確率是要高于他們。當然這種技術永遠不會替代今天人類社會最頂尖的有聲讀物生產者，比如今天在中國比如凱叔講故事，凱叔生產的東西由導演反復策劃包括后期修，我們比不了。但是大規模生產領域，技術其實現在已經？揮形侍狻？