Об этом пишет TechCrunch.
Сообщается, что система преобразования текста в естественный для уха язык Tacotron 2 выполняет эту задачу эффективнее своих предшественников Tacotron и WaveNet.
Предыдущие системы генерации речи имели ряд существенных недостатков. WaveNet, к примеру, выдавала очень резкие звуки. Tacotron лучше справлялся с интонациями, но не мог выдавать полноценный "речевой продукт".
Алгоритм Tacotron 2, который представлен командой разработчиков Google с участием Джонатана Шэна, работает на основе двух нейронных сетей.
Печатная версия конвертируется в специальную Tacotron-спектрограмму, в которой распределяются ритм и ударения, а слова генерируются в аналоге WaveNet. Кроме того, добавлена система сбора данных для обучения нейросети.
Звук действительно похож на язык живого человека. Темп речи звучит довольно убедительно, а основные задержки происходят на словах с необычным произношением. Правда, часть слушателей в комментариях утверждает, что некоторые слова система произносит "ломано".
Образцы работы Tacorton 2 можно прослушать на официальном сайте Google. Эта технология, скорее всего, сразу начнет использоваться в продуктах компании.
Одной из основных проблем нового алгоритма является отсутствие регулировки тона речи. Нельзя предсказать, какая фраза будет произнесена возвышенно, а какая — грубо.
Читайте также: Все говорят об искусственном интеллекте. Простыми словами объясним, что это