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

  • 13

    他肉眼观星准确度堪比仪器,自创宇宙体系红极一时,还促成了开普勒定律

    无垠星空吸引了无数人仰望它,几乎所有人都曾思考过那遥远夜空的真实样貌。 这份思考引起太多的争论,天文学一途也历尽了推陈出新。 现在的我们惯然认为地球绕着太阳转、宇宙浩瀚、星辰遥远。 数千年前的人们却和我们有着不一样的宇宙观。 哈勃太空望远镜拍摄,星系名Arp 273 亚里士多...

  • 0

    照片曾因宗教正确惨遭魔改,首个女菲尔兹奖得主死后终于“素颜”上头条

    说到伊斯蓝教女性,大家可能会想到一个拿黑色头巾包裹头部的形象。 一年前,网上曾流传过一张叫做也门小姐选美的照片,照片里姑娘们都用黑布包裹全身,只露出一双眼睛。 虽然调侃意味居多,但也能由此看出伊斯蓝教对女教徒外形的管束之严。 伊朗便是政教合一的典型范例,伊朗的女性在公...

  • vangogh_color and black and white

    色盲曾是超能力?人类远祖靠它度过了恐龙时代,如今却成了最高发的遗传病

    “原来你是红绿色盲(色弱)啊?!” “那你看国旗是什么颜色的?还有宝强的帽子是什么颜色的?” 这是一个色觉认知障碍者常常要面对的情景。 天知道他在决定公开这个秘密的时候经历了多久的挣扎。 很多人对色盲或色弱有着不小的误解,虽然关于色盲症的研究早在两百多年前就已经出现了。 ...

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