谷歌下属Deepmind宣布在计算机合成语音上迈出了重要的一步。据FT报道，DeepMind发布的最新研究成果WaveNet使得计算机生成的语音与人类声音间的差异缩小了一半。
Deepmind 在其博客中写到“让人类和机器对话是人机交互领域长久以来的梦想”。
谷歌DeepMind让机器人的声音更像人/图 来源网络
彭博报道，在英文和中文进行的盲测中，听者普遍认为，相比谷歌任何现存的运用不同科技手段的文字-语音转换程序，WaveNet生成的语音都更加自然。
据公司相关人员透露，WaveNet还没被应用到谷歌任何产品中。该系统需要强大的计算能力来合成语音，所以近期之内应该不会被用到“现实场景”中去。
DeepMind是一家专注于人工智能的公司，于2010年成立于伦敦，并在2014年被谷歌以4亿英镑(约合5.32亿美元)收购。
WaveNet所采用的技术和现存人工声音合成器有根本性的不同。WaveNet通过的是实际产生的声波而非语言本身，将文本转换成声音。该系统通过神经网络来模拟人脑，直接用音频的原始波形建模。这背后来自每秒高达16000个样本波形的强大数据库的支持。此外，每一个样本都需要基于之前的样本来建立对于声波样式的预测。DeepMind的工作人员表示，“这确实是非常有挑战性的任务。”
很多现有的人工声音合成器多是先录制大量的人声语音片段，建立一个大型数据库，并将这些语音片段重新组合成完整的话语。这样生成的声音接近真实人声，但并不完全自然。而缺点在于如此产生的声音并不能被简单地更改。据DeepMind透露，另外一些系统可以完全电子化地生成声音，这样尽管声音可简单地被操作修改，但并不接近真实的人声。
在人工智能里，尽管人们似乎一直以来对语音识别更有兴趣，而冷淡了计算机语音合成这一冷门的领域。但各大科技公司都不放过应用越来越普遍的人机交互。亚马逊、苹果、微软和谷歌的母公司Alphabet都投入了个人数字化助手同客户进行互动。
今年早些时候，DeepMind的人工智能AlphaGo击败了韩国围棋大师李世石，引起了人们广泛的关注。谷歌一直都对将如何运用其人工智能技术守口如瓶，称已经利用这些技术降低了其数据中心40%的电量，剩下的钱足以让谷歌收购来自伦敦的DeepMind。谷歌还表示，DeepMind使得从YouTube到谷歌广告产品的一系列服务得到了明显的改善。
相关文章
