谷歌黑科技曝光:其AI语音合成系统几乎与真人声音无法区分

资料图

第一个深度神经网络负责将文本转换成频谱图(以视觉方式呈现音频频率,通常是PDF格式),然后将这个频谱图载入到第二个深度神经网络WaveNet(来自Alphabet的AI研究实验室DeepMind)中,Wavenet读取频谱图并生成相似的音频元素。

语音转文本并不是一种新技术,对于Mac用户来说,它已经存在了相当长的一段时间。然而,谷歌声称其文本转语音技术优于大多数,几乎无法与人类声音区分开来。

对于完全相同的单词,Tacotron 2可以根据语境来发音。它还可以根据标点符号的不同而有所区分,也可以在读到大写单词的时候加重语气。

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20171228C0L6KM00?refer=cp_1026

同媒体快讯

相关快讯

扫码关注云+社区