贊助本站

Google正在推出一款新的AI語(yǔ)音合成器，作為其機(jī)器學(xué)習(xí)云工具套件的一部分。名為云文本到語(yǔ)音的服務(wù)將適用于任何需要語(yǔ)音合成的開(kāi)發(fā)人員或企業(yè)，無(wú)論是應(yīng)用程序，網(wǎng)站還是虛擬助理。有趣的是，Cloud Text-to-Speech由WaveNet提供支持，該公司由谷歌在英國(guó)的AI子公司DeepMind創(chuàng)建。

自Google于2014年收購(gòu)DeepMind以來(lái)，一直在探索如何將公司的AI人才變?yōu)橛行萎a(chǎn)品?，F(xiàn)在，使用DeepMind的算法將Google數(shù)據(jù)中心的電力成本降低40%，并且DeepMind將投入醫(yī)療保健領(lǐng)域。但是，將WaveNet直接整合到其云服務(wù)中可能更為重要，特別是谷歌試圖從亞馬遜和微軟手里贏得云業(yè)務(wù)。

其次，DeepMind的AI語(yǔ)音合成技術(shù)是業(yè)內(nèi)最先進(jìn)和最現(xiàn)實(shí)的技術(shù)之一。大多數(shù)語(yǔ)音合成器（包括蘋(píng)果的Siri）使用所謂的連接合成，其中程序存儲(chǔ)單個(gè)音節(jié) - 諸如“ba”，“sht”和“oo”的聲音 - 并且將它們一起飛起來(lái)形成單詞和句子。多年來(lái)這種方法已經(jīng)相當(dāng)不錯(cuò)了，但它仍然聽(tīng)起來(lái)很尷尬。

相比之下，WaveNet使用機(jī)器學(xué)習(xí)從頭開(kāi)始生成音頻。它實(shí)際上分析了一個(gè)巨大的人類語(yǔ)音數(shù)據(jù)庫(kù)中的波形，并以每秒24,000個(gè)樣本的速率重新創(chuàng)建它們。最終的結(jié)果包括唇音和口音等微妙的聲音。WaveNet于去年10月首次被整合到Google智能助理中（盡管只有日語(yǔ)和英語(yǔ)版本），現(xiàn)在可用于Cloud Text-To-Speech中的精選語(yǔ)音。谷歌表示，這項(xiàng)新服務(wù)提供32種不同的語(yǔ)音，可以說(shuō)12種語(yǔ)言，用戶可以自定義音調(diào)和速度等因素。