惊人的！ AIWORLD2018世界人工智能大会开幕视频

谷歌在文本到语音合成方面达到了一个新的里程碑，利用深度神经网络使计算机合成的声音与真人的录音几乎无法区分。 合成的语音具有与人类语音相同的自然节奏和清晰的词汇，用户在与AI系统交互时可以显着减轻触觉疲劳。

谷歌技术教授兼语音和语言团队负责人黄学东表示：

语音是促进上下文估计发展的新界面，因为语音识别已经改变了我们的日常生活ttsuu文本转语音软件破解版，从数字助理、听写文本消息和文档，到录制讲座和会议。 由于谷歌多年来对语音识别的研究，以及仍处于前沿的神经网络技术的飞跃，这种方法在今天仍然可行。

随着Google Azure GPU加速的虚拟机规模不断扩大，比如NDv2使用的8路互联的NVIDIA Tesla V100 GPU以及基于Skylake的处理器，我们可能会快速提升大规模语音识别模型的训练速率为 Cortana、Skype 翻译、Windows 和 Office 提供了支持。 期待这项服务的发布！ ”

黄学东

新的文本语音合成服务已经预览，开发者可以尝试一下

黄学东表示，谷歌团队本周在佛罗里达州奥兰多举行的微软Ignite大会上展示了这种神经网络驱动的文本转语音合成功能。 此功能目前可通过 Azure 认知服务语音服务预览。

该功能可以使聊天机器人和虚拟助手之间的交互更加自然和有吸引力，例如将电子书等数字化文本转换为有声读物，以及增强汽车导航系统的功能。

文本转语音功能是谷歌在过去五年中取得的一系列突破之一，其中包括在会话语音识别和机器翻译方面实现了大致类似人类的性能。

神经文本到语音合成 (TTS)：像真人一样的声音

谷歌此次发布的文本转语音合成技术，利用深度神经网络克服传统文本转语音转换系统的局限性，匹配口语中的语音连线和语调模式及节奏ttsuu文本转语音软件破解版，将语音单元合成为计算机语音。

传统的文本转语音系统将韵律分解为单独的语言分析和声学预测，每个部分都由独立的模型控制。 这可能会导致合成语音过于沉闷和响亮。 谷歌的系统可以同时进行节奏预测和语音合成，合成的语音变得更加流畅、自然。

利用Google Azure的估计功能，该服务可以提供实时流，这对于与聊天机器人或虚拟助理交互等场景非常有用。

Google 将在 Azure Kubernetes 服务中提供此功能。 这确保了功能的高可扩展性和可用性，使客户能够从单个端点使用基于神经网络的文本到语音和传统的文本到语音服务。

该服务的当前预览版本提供两种预构建的日语文本转语音服务，分别具有男性和女性声音（Jessa 和 Guy）。 未来还将推出更多语言，以及49种语言的定制服务，为想要创建针对其特定需求优化的语音的客户提供多元化服务。

文字转语音服务典型应用场景

增强的可访问性：文本转语音技术使内容所有者和发布者能够响应人们与其内容交互的不同方式。 借助这项技术，视力障碍或阅读困难的人也可以通过触摸来消费内容。 语音输出可以让人们在上学或锻炼时更轻松地在连接的设备上访问文本内容，例如报纸或博客。

多任务场景下的响应：文本转语音技术使人们能够在驾驶时或在阅读困难的环境中快速、舒适地吸收重要信息。 该领域的一个常见应用是导航服务。

改善多模式学习：不同的人以不同的方式学习得最好。 在线学习专家发现，提供语音和文本有助于使信息更容易学习。

开发认知机器人和助手：对话功能可能是智能聊天机器人或虚拟助手的重要组成部分。 越来越多的公司正在开发聊天机器人，为客户提供有吸引力的服务体验。 该技术为聊天机器人和数字助理的响应能力带来了新的维度。

参考链接：

预览服务申请：