百度推“DeepVoice”最終版：半小時即可學會一種口音
最近，百度終于推出了DeepVoice的“最終版”，并聲稱最終版可以在每半個小時內(nèi)完成對10000種語音的數(shù)據(jù)學習。
DeepVoice作為一個完全有深度神經(jīng)網(wǎng)絡構(gòu)建的高質(zhì)量語音轉(zhuǎn)文本系統(tǒng)，能夠用于智能手機地圖與語音軟件；能夠?qū)崿F(xiàn)游戲角色由玩家自己合成聲音，從而替代原聲配音；還能夠用于音樂合成供娛樂消遣。但目前百度DeepVoice產(chǎn)出的口音，其合成感還是很明顯。
百度于今年2月份推出的DeepVoice第一代，與神經(jīng)文本到語音（TTS）系統(tǒng)不同，它只能學習較短的句子，并且系統(tǒng)每次只能學習一種聲音，在數(shù)個小時后才能掌握。
在今年5月份推出的DeepVoice2，模仿口音時間有所提高，大約一個小時內(nèi)即可模仿出一種口音。單系統(tǒng)即可以學習數(shù)百種不同的口音，同時實現(xiàn)高音質(zhì)。
如今推出的DeepVoice最終版，效率極大提高，可以在半個小時內(nèi)完成對10000種語音數(shù)據(jù)的學習。但是，百度表示“最終版”仍然有進步空間，他們要制造出一種能夠掌握多種口音或能捕捉字符間細微差別的系統(tǒng)，以使得語音合成系統(tǒng)用處更廣泛，學習聲音真實程度更高，錯誤率降低。
除了百度之外，Google、Apple和Amazon都有相關的語音合成研發(fā)產(chǎn)品。Google旗下的DeepMind，一直在進行一個名叫WaveNet的類似項目。最新版本的WaveNet已經(jīng)能夠在掌握口音方面做到真實、高效，甚至可以像真人那樣產(chǎn)生“唇音”�？梢�，百度的語音合成軟件的研發(fā)之路還很長遠。
分享
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
推薦專題
- 1 AI 眼鏡讓百萬 APP「集體失業(yè)」？
- 2 大廠紛紛入局，百度、阿里、字節(jié)搶奪Agent話語權(quán)
- 3 深度報告｜中國AI產(chǎn)業(yè)正在崛起成全球力量，市場潛力和關鍵挑戰(zhàn)有哪些？
- 4 上海跑出80億超級獨角獸：獲上市公司戰(zhàn)投，干人形機器人
- 5 國家數(shù)據(jù)局局長劉烈宏調(diào)研格創(chuàng)東智
- 6 下一代入口之戰(zhàn)：大廠為何紛紛押注智能體？
- 7 百億AI芯片訂單，瘋狂傾銷中東？
- 8 Robotaxi新消息密集釋放，量產(chǎn)元年誰在領跑？
- 9 格斗大賽出圈！人形機器人致命短板曝光：頭腦過于簡單
- 10 一文看懂視覺語言動作模型（VLA）及其應用
