Google разработала продвинутый синтезатор речи нового поколения. Он называется Tacotron 2 и основан на нейросети.
Система преобразования текста в естественно звучащую речь Tacotron 2 справляется с этой задачей эффективнее своих предшественников Tacotron и WaveNet, пишет Укринформ со ссылкой на TechCrunch.
Предыдущие системы генерации речи обладали рядом существенных недостатков. WaveNet, к примеру, издавала очень резкие звуки. Tacotron лучше справлялся с интонациями, но не мог выдавать полноценный "речевой продукт".
Алгоритм Tacotron 2, который представлен командой разработчиков Google при участии Джонатана Шена, работает на основе двух нейронных сетей. Печатная версия конвертируется в специальную Tacotron-спектрограмму, в которой распределяются ритм и ударения, а слова генерируются в аналоге WaveNet. Кроме того, добавлена система сбора данных для обучения нейросети, пишет Новое время.
Аудиозапись действительно похожа на речь живого человек. Темп речи звучит весьма убедительно, а основные запинки происходят на словах с необычным произношением. Правда, часть слушателей в комментариях утверждает, что некоторые слова система выговаривает "ломано".
Образцы работы Tacorton 2 можно прослушать на официальном сайте Google. Эта технология, скорее всего, сразу начнет использоваться в продуктах компании.
Одной из основных проблем нового алгоритма является отсутствие регулировки тона речи. Нельзя предугадать, какая фраза будет произнесена приподнято, а какая — грубо.