继创造AlphaGo之后 谷歌DeepMind让机器人的声音更像人

谷歌下属Deepmind宣布在计算机合成语音上迈出了重要的一步。据FT报道,DeepMind发布的最新研究成果WaveNet使得计算机生成的语音与人类声音间的差异缩小了一半。

Deepmind 在其博客中写到“让人类和机器对话是人机交互领域长久以来的梦想”。

在英文和中文进行的盲测中,听者普遍认为,相比谷歌任何现存的运用不同科技手段的文字-语音转换程序,WaveNet生成的语音都更加自然。

据公司相关人员透露,WaveNet还没被应用到谷歌任何产品中。该系统需要强大的计算能力来合成语音,所以近期之内应该不会被用到“现实场景”中去。

DeepMind是一家专注于人工智能的公司,于2010年成立于伦敦,并在2014年被谷歌以4亿英镑(约合5.32亿美元)收购。

WaveNet所采用的技术和现存人工声音合成器有根本性的不同。WaveNet通过的是实际产生的声波而非语言本身,将文本转换成声音。该系统通过神经网络来模拟人脑,直接用音频的原始波形建模。这背后来自每秒高达16000个样本波形的强大数据库的支持。此外,每一个样本都需要基于之前的样本来建立对于声波样式的预测。DeepMind的工作人员表示,“这确实是非常有挑战性的任务。”

很多现有的人工声音合成器多是先录制大量的人声语音片段,建立一个大型数据库,并将这些语音片段重新组合成完整的话语。这样生成的声音接近真实人声,但并不完全自然。而缺点在于如此产生的声音并不能被简单地更改。据DeepMind透露,另外一些系统可以完全电子化地生成声音,这样尽管声音可简单地被操作修改,但并不接近真实的人声。

在人工智能里,尽管人们似乎一直以来对语音识别更有兴趣,而冷淡了计算机语音合成这一冷门的领域。但各大科技公司都不放过应用越来越普遍的人机交互。亚马逊苹果微软和谷歌的母公司Alphabet都投入了个人数字化助手同客户进行互动。

今年早些时候,DeepMind的人工智能AlphaGo击败了韩国围棋大师李世石,引起了人们广泛的关注。谷歌一直都对将如何运用其人工智能技术守口如瓶,称已经利用这些技术降低了其数据中心40%的电量,剩下的钱足以让谷歌收购来自伦敦的DeepMind。谷歌还表示,DeepMind使得从YouTube到谷歌广告产品的一系列服务得到了明显的改善。

文  华尔街见闻

分享到:

相关推荐

  • spontaneous-human-combustion

    人体不会自燃,你所看到的不是意外就是谋杀

    1953年,英国著名的批判主义文学家狄更斯出版了自己最长篇的作品之一,《荒凉山庄》。 纵然,这部揭露英国司法黑暗的小说被认为是狄更斯的最高成就。 但在其一众优秀的代表作当中显得有些暗淡。 狄更斯小说《荒凉山庄》又译《萧斋》 今天《荒凉山庄》却被不少超自然现象爱好者乐道,其原因来...

  • 微信图片_20170611214108

    百慕大三角永远没有解,因为它根本不是谜!

    还记得当年,风靡中小学课堂的各种“世界未解之谜”系列书籍吗? 尼斯湖水怪、麦田圆圈、金字塔与法老的诅咒、大脚怪、外星人与UFO、神农架野人、人体自燃等。 一个比一个怪力乱神,但又一个比一个言之凿凿,让我们那时无处安置的好奇心得到了莫大的满足。     其中最神秘...

  • 10

    他们为一个实验坚持了86年,却只换来搞笑诺贝尔奖

    经历过学生时代的人,或多或少都接触过科学实验。 一般实验耗时也不过就是一节课(45分钟),或是一个早上,又或者一整天。 但这只是因为教学工作理所当然得避开时间长的实验,真正漫长的实验往往需要几十年。 它们大都需要经历好几代人的努力,断断续续的坚持才能的出结果。 例如记...

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

SME 发掘你不知道的科技故事