谷歌正在研究能夠讓計(jì)算機(jī)合成語(yǔ)音更加自然的技術(shù)

　　3月28日，據(jù)國(guó)外媒體報(bào)道，谷歌研究院正在探索讓機(jī)器合成語(yǔ)音更加自然的方法。谷歌大腦和機(jī)器感知團(tuán)隊(duì)的成員本周二在博客中公布了一些能讓語(yǔ)音更具有表現(xiàn)力的方法示例。

　　同時(shí)，谷歌發(fā)布了“云端文本轉(zhuǎn)語(yǔ)音”服務(wù)的測(cè)試版，提供了與谷歌助手同樣的語(yǔ)音合成服務(wù)。該服務(wù)采用了DeepMind的WaveNet技術(shù)，這個(gè)技術(shù)可以被用于生成非常自然的聲音。

　　有報(bào)道顯示，谷歌研究員近期發(fā)表了兩篇論文，提出了新的發(fā)音方法，介紹了如何模仿語(yǔ)音中的重音或語(yǔ)調(diào)。這兩篇論文的技術(shù)都是基于Tacotron2。Tacotron2是谷歌去年12月份推出的人工智能系統(tǒng)，使用神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，模仿人類(lèi)語(yǔ)音。

　　Tacotron在大部分情況下都可以模擬真人聲音，但是卻無(wú)法模仿說(shuō)話(huà)中的重音和自然語(yǔ)調(diào)。Tacotron的聯(lián)合發(fā)明人Wang Yuxuan參與了其中一篇論文研究。研究通過(guò)將人類(lèi)語(yǔ)音片段嵌入計(jì)算機(jī)語(yǔ)音風(fēng)格，使合成語(yǔ)音中實(shí)現(xiàn)了重音等效果。另一篇論文的研究則使用無(wú)監(jiān)督訓(xùn)練和識(shí)別語(yǔ)音模式，并模仿某些語(yǔ)音風(fēng)格。

　　在語(yǔ)音技術(shù)研發(fā)上，去年蘋(píng)果Siri被眾多消費(fèi)者認(rèn)為是更加具有表現(xiàn)力的聲音。同時(shí)去年四月，亞馬遜Alexa面向語(yǔ)音應(yīng)用開(kāi)發(fā)者提供了SSML標(biāo)簽，在語(yǔ)音助手中增加了更豐富的表達(dá)，例如停頓、輕語(yǔ)，以及一些感嘆詞等。