聲音更自然！谷歌新語音系統可像人類一樣說話

據英國《每日郵報》12月28日報道，谷歌將推出新款文語轉換（TTS）系統Tacotron 2，可讓AI語音助手的聲音更加自然。

不同於其他以復雜語言學和聲學特征為輸入的TTS系統，Tacotron 2通過學習人類對話和文本記錄並進行訓練，以生成更貼近人聲的語音。研究團隊表示，聽眾評價Tacotron 2的語音水平與專業錄音相當。

基於之前的研究成果Tacotron和WaveNet，Tacotron 2使用序列-序列模型，該模型將字母映射到編碼音頻的特征上。該過程結合了發音、音量、速度和語調。然后，這些特征被轉換成24 kHz的波形。

一項系統演示展示了Tacotron 2如何節奏流利地朗讀不同的文本（包括繞口令）。但是，一些較難的詞語仍然絆住了它。

研究團隊稱，雖然該系統在聽眾試驗中取得了不錯的反響，但還不夠完美。“我們的樣本聽起來不錯，但仍有一些棘手的問題有待解決。例如，我們的系統在復雜詞語發音上存在困難，在極端情況下甚至會隨機產生奇怪的噪音。而且，它還無法生成實時音頻。我們還不能控制它所產生的語音，無法引導它具有高興或悲傷的情緒。”（實習編譯：陳倩雲 審稿：李宗澤）