Σύνθεση ομιλίας της Google μιμείται τέλεια την ανθρώπινη φωνή

Επιστημονικό άρθρο που δημοσίευσε η Google, το οποίο πάντως δεν έχει αξιολογηθεί από άλλους επιστήμονες, περιγράφει ένα σύστημα εκφώνησης κειμένου που διεκδικεί σχεδόν απόλυτη ομοιότητα με την ανθρώπινη φωνή.

Το σύστημα ονομάζεται Tacotron 2 και αποτελεί τη δεύτερη επίσημη “γενιά” της συγκεκριμένης τεχνολογίας, η οποία βασίζεται σε δύο νευρωνικά δίκτυα. Το πρώτο δίκτυο “μεταφράζει” το κείμενο σε φασματογράφημα, οπτικοποιώντας έτσι την εξέλιξη των ακουστικών συχνοτήτων συναρτήσει του χρόνου.

Στη συνέχεια, το φασματογράφημα “φορτώνεται” στο WaveNet, ένα σύστημα από το ερευνητικό εργαστήριο DeepMind της Alphabet, το οποίο “διαβάζει” το γράφημα και αναπαράγει τα αντίστοιχα ηχητικά στοιχεία.

Το σύστημα τα καταφέρνει εξίσου καλά με ονόματα και λέξεις που προφέρονται, όπως επίσης και να προσαρμόζει τη χροιά του ανάλογα με τα σημεία στίξης. Μάλιστα, είναι άμεσα αξιοποιήσιμο από την Google, αφού το Google Assistant “χρωστά” τη φωνή του στο WaveNet, το οποίο πρωτοανακοινώθηκε το 2016. Επομένως, όταν είναι εντελώς έτοιμο για χρήση, το Tacotron 2 θα βελτιώσει κατακόρυφα τις δυνατότητες της υπηρεσίας.




x

Χρησιμοποιούμε cookies για να σας προσφέρουμε την καλύτερη εμπειρία στο διαδίκτυο. Συμφωνώντας αποδέχεστε τη χρήση των cookies σύμφωνα με την Πολιτική Cookie.

ΑΠΟΔΟΧΗ ΑΡΝΟΥΜΕ Κέντρο απορρήτου Ρυθμίσεις απορρήτου Μάθετε περισσότερα σχετικά με την πολιτική Cookie