Google的DeepMind在人工智能的语音生成方面取得了重大突破

Google的DeepMind公司创建了AlphaGO程序，该程序在中国古代围棋比赛中击败了人类世界冠军，现在已经在机器语音生成方面取得了突破。DeepMind的最新研究论文显示，他们的新系统WaveNet比现有技术 (包括Google自己当前的文本语音转换系统 (TTS)) 好50%。

根据博客文章，WaveNet是 “原始音频波形的深度生成模型”，并且可以生成复制 “人类声音” 的语音，这听起来比任何现有模型都要自然得多。帖子添加了相同的网络，甚至可以直接从机器本身创建原创音乐。

DeepMind被谷歌2014年收购，一直致力于人工智能、神经网络和改进机器学习。在过去的几年中，我们已经看到计算机在理解人类语音方面的进步。例如，我们现在可以与Google now语音助手进行交互，以直接请求使用自然口语的句子。

但是使用WaveNet，这个想法是从听起来更像 “人类” 的机器中生成语音。DeepMind的博客解释说，这种被称为 “语音合成或文本到语音 (TTS)” 的过程在很大程度上仍然依赖于数据库，其中 “从单个说话者记录简短的语音片段，然后重新组合以形成完整的话语。”这样做的挑战是无法修改声音。

WaveNet的想法是直接 “模拟音频信号的原始波形，一次一个样本”，以使其听起来更自然。DeepMind的博客文章概述了他们是如何创建这个系统的…… “输入序列是从人类扬声器记录的真实波形。经过培训，我们可以对网络进行采样以生成合成话语。”因此，该系统被教导可以自行生成语音。

DeepMind还指出，该系统比任何现有系统都要昂贵，但它有助于创建更自然的声音。

另请阅读: Google支持AlphaGo的重大胜利: AI如何破解中国古代游戏

在DeepMind对美国英语和普通话的测试中，WaveNet产生的语音听起来比任何早期的系统都要自然得多，包括Google自己的当前系统，该系统被认为是世界领先的系统。博客文章还说，WaveNet甚至可以产生呼吸和嘴巴运动，并识别不同声音的特征，包括男性和女性，这是当前系统无法做到的。

WaveNet面临的挑战是，目前它需要大量的计算能力。DeepMind的另一项重大成就是创造了AlphaGo，它能够在围棋比赛中击败人类世界冠军。对于计算机来说，GO的成功很难实现，因为游戏依赖于直觉，而这种直觉是无法轻易教给机器的。