Он называется Tacotron 2 и основан на нейросети.
Google разработала продвинутый синтезатор речи нового поколения. Он называется Tacotron 2 и основан на нейросети.
Система преобразования текста в естественно звучащую речь Tacotron 2 справляется с этой задачей эффективнее своих предшественников Tacotron и WaveNet, пишет интернет-издание Хроника.инфо со ссылкой на nv.ua.
Предыдущие системы генерации речи обладали рядом существенных недостатков. WaveNet, к примеру, издавала очень резкие звуки. Tacotron лучше справлялся с интонациями, но не мог выдавать полноценный «речевой продукт».
Алгоритм Tacotron 2, который представлен командой разработчиков Google при участии Джонатана Шена, 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.
Аудиозапись действительно похожа на речь живого человек. Темп речи звучит весьма убедительно, а основные запинки происходят на словах с необычным произношением. Правда, часть слушателей в комментариях утверждает, что некоторые слова система выговаривает «ломано».
Образцы работы Tacorton 2 можно прослушать на официальном сайте Google. Эта технология, скорее всего, сразу начнет использоваться в продуктах компании.
Читайте также: Xiaomi запустила свое собственное облачное хранилище
Одной из основных проблем нового алгоритма является отсутствие регулировки тона речи. Нельзя предугадать, какая фраза будет произнесена приподнято, а какая — грубо.