導(dǎo)讀

Google 的 DeepMind 研究實(shí)驗(yàn)室昨天公布了其在計(jì)算機(jī)語(yǔ)音合成領(lǐng)域的最新成果——WaveNet。該語(yǔ)音合成系統(tǒng)能夠模仿人類的聲音，生成的原始音頻質(zhì)量?jī)?yōu)于目前的文本轉(zhuǎn)語(yǔ)音系統(tǒng)（text to speech，簡(jiǎn)稱 TTS）。

DeepMind 宣稱，通過人耳測(cè)試，該技術(shù)使得模擬生成的語(yǔ)音與人類聲音之間的差異縮小了一半。當(dāng)然，這種測(cè)試不可避免地存在主觀性。WaveNet 目前還沒有被應(yīng)用到谷歌的任何產(chǎn)品中，而且該系統(tǒng)需要強(qiáng)大的計(jì)算能力，近期也無法應(yīng)用到真實(shí)世界場(chǎng)景。

讓人類跟機(jī)器自由交談是人機(jī)交互研究領(lǐng)域長(zhǎng)久以來的夢(mèng)想。在過去幾年，深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用大幅度了提高計(jì)算機(jī)理解自然語(yǔ)音的能力。然而，運(yùn)用計(jì)算機(jī)生成語(yǔ)音（語(yǔ)音合成，或者 TTS 系統(tǒng)）仍然主要依靠拼接式 TTS——先錄制單一說話者的大量語(yǔ)音片段，建立一個(gè)大型數(shù)據(jù)庫(kù)，然后將語(yǔ)音片段合成完整的話語(yǔ)。這種語(yǔ)音合成方式很難對(duì)聲音加以修飾，無法表達(dá)強(qiáng)調(diào)或者情感。

為了解決語(yǔ)音合成的這一難題，迫切需要運(yùn)用一種參量改頻式（Parametric）TTS。在這種 TTS 系統(tǒng)中，生成數(shù)據(jù)所需要的所有信息被存儲(chǔ)于模型的參數(shù)中，語(yǔ)音所傳達(dá)的內(nèi)容及語(yǔ)音特征可以通過模型的輸入信息得以控制。然而，目前參量改頻式 TTS 生成的語(yǔ)音聽起來還不如拼接式 TTS 模型生成的語(yǔ)音自然。現(xiàn)有的參量改頻式模型通常將輸出的信息交給信號(hào)處理算法處理，從而生成音頻信號(hào)。

WaveNet 改變了這種范式，直接用音頻信號(hào)的原始波形建模，而且是一次處理一個(gè)樣本。通過這種方式生成的語(yǔ)音不但聽起來更加自然，而且使用原始波形還能為任何聲音建模，包括模仿任何人的聲音，還能生成音樂。在測(cè)試中，WaveNet 通過分析古典音樂，生成了一段鋼琴曲。

谷歌 DeepMind 的人工智能 AlphaGo 在今年早些時(shí)候打敗了韓國(guó)圍棋大師李世石九段，引起了世人的關(guān)注。谷歌一直對(duì)如何應(yīng)用其人工智能技術(shù)守口如瓶，只是稱其已經(jīng)利用這些技術(shù)降低了冷卻公司數(shù)據(jù)中心所需的電量，讓從 YouTube 到谷歌廣告產(chǎn)品的一系列服務(wù)得到了巨大改善。

總結(jié)

以上是生活随笔為你收集整理的谷歌黑科技WaveNet，更先进的语音合成的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。