谷歌黑科技曝光：其AI语音合成系统几乎与真人声音无法区分

本篇文章382字，读完约1分钟

[tech web Report]12月28日，据国外媒体wccf tech报道，谷歌称其最新版本的人工智能语音合成系统tacotron 2几乎无法与真人的声音区分开来。

这个系统是谷歌的第二代语音到文本技术，它有两个深度神经网络来实现完美的输出。第一个深层神经网络负责将文本转换为声谱图(音频以可视方式呈现，通常为pdf格式)，然后将该声谱图加载到第二个深层神经网络wavenet(来自人工智能研究实验室deepmind of alphabet)，后者读取声谱图并生成类似的音频元素。

语音转文本不是一项新技术。对于mac用户来说，它已经存在了很长时间。然而，谷歌声称它的文本转换为语音技术优于大多数，而且它很难与人类的声音区分开来。

Tacotron 2可以根据上下文发音相同的单词。它也可以根据不同的标点符号来区分，也可以在阅读大写单词时强调。(小狐狸)