贾磊身上的标签看起来似乎并不在一个次元。

他是百度技术首席架构师，是国内稀缺的语音大模型带头人。与此同时，围绕在他身上的另一组标签，是中国互联网行业首位 " 全国劳动模范 "，在外界看来这是百度 " 狼性工作 " 的经典写照。

贾磊在百度负责语音技术研发，他刚来百度时，语音技术在百度处于开拓期，那段时间，他 " 每天只要睁开眼睛就是工作，连走路坐车的时间都用来思考 "，他一个人组建团队，写代码、建模、搭系统，6 个月后，百度上线了自主研发的语音搜索系统，这套系统也意味着中国的语音搜索技术实现突破，从无到有地跻身世界前列。

在国内 AI 语音领域，贾磊都是带头人，2023 年他获得吴文俊人工智能科技进步奖特等奖。今年 3 月文心一言发布会上李彦宏展示的方言语音合成，以及文字生成视频中的语音生成能力，都由贾磊团队研发。

但最近他正在做一些更不一样的事情。

攻克难题

" 旁白：掌柜的是一名老者，他正坐在柜前喝着酒。厅前还有个女孩擦拭桌椅，她见沈况进来，便礼貌的开口。

清脆女声：客人吃饭还是住店。

少年男声；住店。

旁白（伴随着轻柔音乐）：那女孩年岁不大，估摸着比沈况小了几岁。见沈况进来，老者微微的睁了开眼。

老年男子声音：哈哈，一把好剑！…… "

贾磊向经济观察报记者展示了这段 2 分钟的声音，这是他带领的百度语音团队最新研究成果。这段合成声音，展示的是混杂各种背景音及 4 个人的声情并茂的对话声音的一个小说对话过程。这段语音对话背后，是对互联网音频大数据的识别、理解、分析和合成的综合应用。

语音大模型做好之后的效果大概是，你把一本小说喂给它，它能迅速生成电影质感音频，不需要任何人工操作。

当下无论国内还是国外，无论是 ChatGPT 还是百度，人们使用最多、体验最多的都是文生文、文生图大模型，很少听到语音大模型的进展。贾磊很坦然地承认，这一波 AI 技术新浪潮中，世界范围内看，AI 语音大模型技术的确慢了一步，" 是人家图文先实现了突破。"

不过对此，他觉得也正常，技术之路总是此消彼长，此起彼伏。在上一波由深度学习技术突破而带来的 AI 浪潮中，就是语音技术先做了突破，然后图文技术再跟上。

算上中科院自动化所博士学习的时间，贾磊在 AI 语音这条路上已经走了 20 年。看到当下大模型的进展，他很感慨：技术变化真的太快了。

2021 年至今，各种深度学习模型技术交替登场，贾磊所在的语音领域，也曾经尝试使用自然语言处理的方法做预训练和语音大模型，但是这比大语言模型更难。语音大模型在实际使用中，一直解决不了快速实时的模型计算问题。

最近在 NLP 领域的大模型技术发展的牵引下，贾磊打开了思路，通过对语音大模型的模型结构和训练算法的创新，实现了语音在线服务中的模型体积增加几十倍的突破，他告诉经济观察报记者，这个创新在世界范围内十分领先。

技术改变中国人

采访贾磊是在一个夏天的午后，他从百度科技园的办公室匆匆走出来，会议室里聊了一个多小时后，他又匆匆赶回办公室，道别时他特意为这种匆忙解释：" 我得回去工作了。"

做 AI 研发是一件枯燥又压力极大的事情，对此贾磊并不讳言。现在的他，每天时间都花在处理、调试模型，设计实验，看论文，写程序这些事情上。上班就是工作，下班回家就是睡觉，20 年如一日，循环往复，他调侃自己：感觉人生就是同一种模式。

这种人生模式早在 20 年前，他在中科院读博时就已经预知，但他乐此不疲。

贾磊选择语音是兴趣驱动的。贾磊硕士毕业后，考入中科院自动化所攻读博士学学位。他最初的研发方向是图像处理，涉猎了模式识别各学科方方面面的知识，也综合比较了图像、语音和 NLP 等学科的学科差异等。之后他逐渐开始对语音技术产生兴趣。贾磊师从现任中科院自动化研究所所长徐波，做广播语音识别、广播语音翻译，把电视节目经过语音识别翻译成英语，由此踏上 AI 语音的 20 年之路。

现在回看，贾磊很感激中科院自动化所宽松的研究氛围，带他进入了一个美丽新世界，这个世界竞争激烈但又成就感满满，" 有些东西别人都没做出来，你做出来了，而且确实很有用，这种快乐其实是能超越很多事情的。" 贾磊说。