Google Tacotron (синтезатор речи)

2017: Разработка алгоритма Tacotron 2

В конце декабря 2017 года компания Google анонсировала систему синтеза речи, которая способна преобразовывать текст в речь, максимально приближенную к человеческой. Алгоритм получил название Tacotron 2.

Система способна читать любые предложения, игнорировать грамматические ошибки и менять тональность речи. Алгоритм говорит пока только на английском

Отмечается, что Tacotron 2 использует контекст, чтобы произносить абсолютно одинаковые слова. Он также реагирует на пунктуационные правила в тексте, а также может подчеркивать конкретные слова. Технология способна различить разные формы глагола или определить, выполняет ли слово роль глагола или существительного.

Google разработала систему синтеза речи, не отличимой от человеческой

Google давно занимается технологиями синтеза речи при помощи искусственного интеллекта. В 2016 году компания представила синтезатор, звучащий близко к человеческой речи. Он использует ИИ-систему WaveNet, которая обучается соответствию текста определенным формам колебаний волны и затем на основании этой базы знаний формирует из текстовых отрывков отдельные звуковые волны.

Tacotron 2 подключили к нейросети WaveNet, которая создает необходимые звуки на основе данных из другой системы глубинного обучения, которая преобразовывает текст в спектрограмму (изображает аудиочастоты в зависимости от времени).

В Google отмечают, что в целом Tacotron 2 работает отлично, но все-таки испытывает сложности с произношением некоторых сложных слов, а также иногда случайным образом выдает странные шумы. Кроме того, система не способна работать в реальном времени, и авторам пока не удается взять движок под контроль, то есть задать ему нужную интонацию, например, счастливый или грустный голос. 

Как полагают разработчики Tacotron 2, алгоритм может быть использован для улучшения работы голосовых помощников, которые получают все более широкое распространение.^[1]

Примечания