Facebook使用AI來實(shí)現(xiàn)文字轉(zhuǎn)語音系統(tǒng)

在人工智能領(lǐng)域中，語音也是AI技術(shù)的一部分，說到語音合成，它是通過機(jī)械的、電子的方法產(chǎn)生人造語音的技術(shù)。TTS技術(shù)（又稱文語轉(zhuǎn)換技術(shù)）隸屬于語音合成，它是將計(jì)算機(jī)自己產(chǎn)生的、或外部輸入的文字信息轉(zhuǎn)變?yōu)榭梢月牭枚?、流利的漢語口語輸出的技術(shù)。

據(jù)媒體報(bào)道，F(xiàn)acebook研究員開源了其在今年七月發(fā)表的一篇論文中的語音合成方法。在論文中，他們提出了一種新的文字轉(zhuǎn)語音的神經(jīng)網(wǎng)絡(luò)方法，可以將從開放場景下采樣到的聲音中提取的文字轉(zhuǎn)化為語音。

說到神經(jīng)網(wǎng)絡(luò)，該技術(shù)基于新的移位緩沖內(nèi)存儲(chǔ)器區(qū)，評(píng)估使用者注意力，計(jì)算輸出音頻，以及自身的更新，可用于在開放場景下采樣到的聲音轉(zhuǎn)化成文字，再轉(zhuǎn)化成語音。該技術(shù)的網(wǎng)絡(luò)架構(gòu)比現(xiàn)存的同類架構(gòu)要簡單。

此外，通過使用與上下文無關(guān)的查找表對(duì)輸入語句進(jìn)行編碼，該表的每個(gè)條目包含一個(gè)字符或音素。同樣，能通過一個(gè)短向量來表示說話者，這個(gè)短向量也適用于新說話者。而且在生成音頻之前，優(yōu)先準(zhǔn)備好緩沖區(qū)可以使生成的語音具有可變性。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。