![Подразделение Google работает над реалистичными синтезаторами речи Google, DeepMind, WaveNet, AI, text-to-speech, TTS, синтезатор речи, синтезатор голоса](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiDvj_lBHP7u0yD1Jxr6IKdp-ywxxNOXrEbqa_oKSq5QbZBK3JUD3pHMrw2uFK9APv08fjPxNHXMuiLoOSTFqE6sYPqbhbnRDgGqCnjN_2Frw4NFQkObizpbugMPTdEjYuQ17NcH_5O0neJ/s1600/Sound+Wave.jpg)
Пока вы сидите и в ус не дуете, "корпорация зла" Google, точнее, её подразделение DeepMind (занимается исследованием ИИ) работает над синтезатором речи WaveNet. Главная цель - создать систему, способную читать текст вслух голосом, неотличимым от человеческого.
Суть проблемы в том, что существующие синтезаторы звучат ужасно неубедительно и неправдоподобно из-за того, что человеческий мозг с раннего детства привыкает к человеческой манере общения, произношению слов и фраз. Возможно вы этого не знаете (или никогда не обращали на это внимания), но у каждого слова, произнесённого на родном языке, есть характерная средняя продолжительность. А машины либо тараторят их слишком быстро, либо наоборот, произносят слишком медленно. В результате вы безошибочно определите, что сказал человек, а что безвольный робот.
![Принцип работы WaveNet - 01 Google, DeepMind, WaveNet, AI, text-to-speech, TTS, синтезатор речи, синтезатор голоса](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiaxrCIQGyliA7nD7IXBzVS1MsJidPgVwVN1PNaZSeFkn9sdLEZAK_pJc1rkTOuN3hLFYuGSUUl8MA3F4s-gNy0OmRZYPuNUbjgN1Tj4eQqNbDBdkyG15t3KVII4-YX_tsZpAPogwe9QPHF/s1600/deepmind_01.gif)
![Принцип работы WaveNet - 02 Google, DeepMind, WaveNet, AI, text-to-speech, TTS, синтезатор речи, синтезатор голоса](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiVlSnQFpR6kdl9nzod5YKVpqGWIWEGuplHmmUsu45kn19LeCM_r_gMgnhFGhARoOfWBuDLQOkAJmSFCJEw2n7SWdS53437ZeujWsjksZwnrDCIpCI77lis4MOCDX3JITX3PEG1FDa8WUbl/s1600/deepmind_02.gif)
В Google давно загорелись идеей создать реалистичный синтезатор голоса, но всё упиралось в необходимость расчёта огромного количества данных в процессе генерации акустических волн. Кроме того, это должен быть очень плавный и последовательный процесс, без "разрывов" и пауз. Но в DeepMind нашли промежуточное решение благодаря использованию нейросети. Специалисты на протяжении многих месяцев "скармливали" ИИ записи человеческих фраз и музыку, чтобы он научился генерировать схожие акустические волны. И добились частичных успехов - WaveNet звучит действительно реалистичнее и живее своих коллег.
Важно понимать, что это только начало и впереди у DeepMind полно работы. Но результаты и правда поражают. Пройдёт всего несколько лет и вы уже не сможете понять, общается ли с вами по телефону робот или живой человек.
Отправить комментарий
Модерации нет, но весь трэш буду выжигать лазерами из глаз Супермена