本文獲合作媒體 MoneyDJ 新聞 授權轉載，記者 陳苓 報導。
谷歌人工智慧 (AI) 技術再進化，該公司宣布能讓機器人說話語調不再生硬，聽來和人類難辨真假。
PhoneArena、Quartz、每日郵報報導，谷歌部落格宣稱 (見此 )，開發出第二代文字轉語音系統「Tacotron 2」，能讓機器說話聲音沒有怪異、不自然之處，聽來幾乎和人類一模一樣。機器會依據語意學決定正確發音，文章略有拼寫錯誤、也能順利讀出，而且就連繞口令都難不倒。
谷歌人員表示，外界認為 Tacotron 2 表現類似專業人員。民眾給 Tacotron 2 的平均意見分數 (Mean Opinion Score) 是 4.53 分，只略低於專業人員錄製聲音的 4.58 分。
Tacotron 2 包括兩個深度類神經網路 (見圖)，第一個網路會把文字轉成聲譜圖，用圖像表達音頻，接著把聲譜圖輸入 WaveNet 系統中，機器會照圖發出相應聲音。(Tacotron 2 與人類聲音對照點此)
不過谷歌表示，Tacotron 2 仍有許多地方需要改進，包括無法讀出部分難字，無法即時合成音頻；機器聲音沒有情緒，不能傳達快樂或悲傷的感覺。
儘管如此，此一技術仍大有可為，目前谷歌虛擬語音助理已用 WaveNet 技術發聲，若能進一步採用 Tacotron 2，可讓谷歌助理如虎添翼。
CNBC、每日郵報、英國金融時報 2016 年 9 月報導，谷歌母公司 Alphabet 旗下的 DeepMind 研發出新技術，能讓電腦合成語音和人類聲音的差距減少一半。DeepMind 表示，長久以來，人機互動的夢想就是讓人類能和機器對話。
當前的語音合成技術錄製人們實際說話的聲音，存放在資料庫，需要時把字句打散重組，合成為完整句子，此種方式生成的語音聽起來生硬不自然，也缺乏感情。
DeepMind 的「WaveNet」技術，能分析原始聲波，使用類神經網路 (Neural Network) 加以修正。此種技術需要龐大的運算能力，每秒要 1.6 萬個範本才能轉成數據、合成為語音。DeepMind 表示，WaveNet 生成的中英文，聽起來比谷歌現行技術自然許多。(全文見此 )
from INSIDE 硬塞的網路趨勢觀察 http://ift.tt/2zUExys
沒有留言:
張貼留言