Google съобщи, че създаването на система за преобразуване на текст в естествено звучаща човешка реч е една от приоритетните цели на корпорацията. Новата версия Tacotron 2 на тази система се справя с тази задача много по-ефективно от предишните Tacotron и WaveNet, при това с използването на по-малко ресурси.
Предишните системи за генериране на реч имаха съществени недостатъци. WaveNet например, издава неочаквани и режещи звука звуци. Нейният алгоритъм много ефективно преобразува текста, но за неговата успешна работа е необходимо огромно количество метаданни от произношението до специфичните езикови особености. Tacotron се справя много по-добре с интонациите, но не може да предложи пълноценно преобразуване.
В Tacotron 2 са отстранени недостатъците на предишните системи. Използвани са успешните функции на предишните алгоритми с усъвършенствана система за натрупване на данните за обучение.
За изчисляването на лингвистичните правила, алгоритъмът има нужда от самия текст и неговото озвучаване, от които се образува специална Tacotron спектрограма, чрез която се определя ритъма и ударенията, а думите се генерират от функциите на WaveNet.
Демонстрационните записи показват, че генерираната от компютъра реч наистина много прилича на човешката, само някои думи са малко неясни. Темпът на речта е убедителен, произношението е добро. Понякога ударенията са неправилни и засега липсва тон – няма как фразите да бъдат произнесени весело и оптимистично или грубо и самоуверено.
Всичко важно от света на технологиите, директно в пощата ти.
С абонирането приемате нашите Условия и Политика за поверителност. Може да се отпишете с един клик по всяко време.
Коментирайте статията в нашите Форуми. За да научите първи най-важното, харесайте страницата ни във Facebook, и ни последвайте в Google Новини, TikTok, Telegram и Viber или изтеглете приложението на Kaldata.com за Android, iPhone, Huawei, Google Chrome, Microsoft Edge и Opera!
