Компания Google совершила очередной прорыв в технологиях программного генерированя устной речи.
В статье, опубликованной Google, описывается компьютерная программа, способная в точности имитировать человеческий голос. Она называется Tacotron 2 и служит для преобразования текста в речь.
Программа состоит из двух нейросетей глубокого обучения. Первая преобразует текст в спектрограмму и передает алгоритму WaveNet, который озвучивает ее, генерируя соответствующие звуковые элементы. Tacotron 2 справляется с трудными для произношения словами и названиями, а также меняет речь в зависимости от пунктуации. Например, она может с помощью интонации подчеркнуть слово, написанное с заглавной буквы.
Образцы работы Tacorton 2 можно прослушать на официальном сайте Google. Эта технология, скорее всего, сразу начнет использоваться в продуктах компании. WaveNet, впервые анонсированная в 2016 году, теперь служит для генерации голоса в Google Assistant. Tacotron 2 может стать еще более мощным дополнением к сервису.
К сожалению, пока программа может говорить только единственным женским голосом. В отличие от Tacotron 2, продукт канадского ИИ-стартапа Lyrebird, по словам разработчиков, способен точно имитировать голос любого человека. Для этого достаточно звукового файла продолжительностью 1 минута.
Leave a Reply