请选择 进入手机版 | 继续访问电脑版

谷歌发布Tacotron 2:能更简单地训练AI学习演讲

2017-12-21 11:32| 发布者: Cissy| 查看: 439| 评论: 0

北京消息,谷歌目前在人工智能语音技术方面处于领先,而这样的领先优势很可能得到进一步巩固。谷歌周三发布了 Tacotron 2。这是一种训练神经网络的新方法,可以在几乎没有任何语法专业性的情况下从文本中生成演讲。 ...

      北京消息,谷歌目前在人工智能语音技术方面处于领先,而这样的领先优势很可能得到进一步巩固。谷歌周三发布了 Tacotron 2。这是一种训练神经网络的新方法,可以在几乎没有任何语法专业性的情况下从文本中生成演讲。

  这项新技术利用了谷歌此前在语音生成方面最强大的两种技术:WaveNet 和第一代 Tacotron。

  WaveNet 每次能生成一段讲话音频。尽管效果很好,但 WaveNet 需要用到大量关于语言的元数据,包括发音,以及已知的语言特征等等。Tacotron 则综合了更多高级特性,例如语调和韵律,但并不能生成最终的演讲音频。

  Tacotron 2 结合了以上两者的优势,或许已经发挥出了当前技术专业性的极限。Tacotron 2 使用文本和文字叙述来计算所有语言规则,而不再需要人工明确告知系统规则。文本本身被转换为 Tacotron 风格的“梅尔频谱”,实现节奏和强调。而单词本身则基于 WaveNet 风格的系统来生成。

  由此产生的音频比以往更好。演讲的节奏感很好,但对于不太直观的单词,发音可能有问题。这或许是由于,单词的来源不是美式英语,这样的单词包括 Decorum 和 Merlot。研究者表示:“在极端情况下,可能会随机产生奇怪的噪声。”

  此外,尽管口音和其他语言细节可以通过与 WaveNet 的交流而输入,但仍然没有任何方式去控制演讲的语调情绪,例如乐观或担忧。

  降低系统训练障碍意味着可以训练更多更好的系统。研究人员已经将研究成果提交至 IEEE 国际声学语音和信号处理大会,论文已发表至 arXiv。


鲜花

握手

雷人

路过

鸡蛋

最新评论

© 2001-2015 9秒社团

合作伙伴

公司简介 | 联系方式
COPYRIGHT©2015 ZHONGQINGLONGTU NETWORK CO.LTD ALL RIGHTS RESERVED.ICP备11023195号-4
北京中清龙图网络技术有限公司
返回顶部