微软的「文本到语音(text-to-speech,TTS)」分析运行系统取得了里程碑式的突破,它可以使用深度神经网络让计算机合成的声音酷似人类录音,达到几乎无法分辨的地步。这一系统合成的语音拥有与人类类似的神经韵律和吐字发音。神经 TTS 可以在人类与 AI 系统交互时大大减轻听觉疲劳。
点开音频,你能听出哪个是微软合成的声音吗?
本周,微软的团队在佛罗里达州奥兰多的 Microsoft Ignite 会议上展示了神经网络驱动的「文本到语音」转换功能。这种功能目前可以通过 Azure 认知服务语音服务进行预览。
预览链接: https://azure.microsoft.com/en-us/services/cognitive-services/speech-services/
「神经文本到语音」转换可以让人与机器人或虚拟助手的互动更加自然、有吸引力。它将电子书等数字文本转换为有声书,还可以用于改进车内导航系统。
「文本到语音」转换取得的进展是微软团队在过去两年中取得的突破之一,他们的贡献还包括将会话语音识别和 机器翻译 提升到可以与人类媲美的程度。
微软的「文本到语音」系统使用了深度神经网络,来克服传统「文本到语音」系统在匹配口语的重读和语调(称为韵律结构),以及将语音单元合成为计算机音频方面的局限性。
传统的「文本到语音」系统将韵律结构分解成由独立模型控制的语言分析和声学预测步骤。这将导致合成音频变得沉闷无趣。微软的「文本到语音」系统可以同时执行韵律预测和声音合成,其结果更加流畅自然。
通过使用 Azure 的算力,微软可以传送实时的语音流,有助于人与聊天机器人或虚拟助理交流。该功能由 Azure Kubernetes Service 提供服务,保证了很高的可扩展性和可用性,并给予用户在单个端点使用神经「文本到语音」以及传统的「文本到语音」服务的能力。
预览服务目前提供两个预构建的英文版「文本到语音」的助理——Jessa 和 Guy。微软很快会加入更多的语言,以及 49 种语言的定制服务(面向希望为特定需求构建品牌声音的客户)。
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 离线预渲染OPR:0成本接入 媲美SSR效果
- 人脸合成效果媲美StyleGAN,而它是个自编码器
- 媲美 Face ID?联发科推出双目结构光人脸识别方案
- 媲美Pandas?告诉你Python的Datatable包到底怎么用!
- 世界人工智能大会丨与人类媲美的语音识别与机器翻译
- 来自次世代的暴击:虚幻引擎5首亮相,游戏实时渲染媲美影视级作品
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。