Nuostabus dirbtinio intelekto pažanga pagerina „Google Smart Butler“ garsą

Kategorija: Neįtraukta į kategorijas Paskelbta Spalio 05 d

Galite padėkoti „DeepMind“ už gražų naują balsą, sklindantį iš „Google“ namų garsiakalbio ir asistento programos.

Šį kartą praėjusiais metais „Google“ Londone įsikūręs AI padalinys paskelbė apie naują kalbos sintezės būdą. Jo programinė įranga, pavadinta „WaveNet“, sugriovė įprastas taisykles, leidžiančias generuoti į žmones panašius balsus: užuot sujungę garso gabalėlius, kurie galiausiai sukuria mums įprastus nerangius robotų balsus, ji sukūrė visą garso bangos formą nuo nulio. vienas mėginys po kito. Rezultatas buvo daug sklandesnis, natūralesnės intonacijos nei kiti kalbos sintezės metodai.

Tačiau buvo kliūtis: programinė įranga užtruko vieną sekundę, kad sugeneruotų 0,02 sekundės garso, todėl ją naudoti plataus vartojimo produktuose nepraktiška. „DeepMind“ teigė, kad jis kurį laiką nebus naudojamas jokioje „Google“ programinėje įrangoje, o tai reiškia, kad gremėzdiški seno stiliaus balsai turėjo išlikti.

Tačiau per pastaruosius 12 mėnesių viskas pasikeitė. DeepMind dabar pranešimus kad jam pavyko pagreitinti algoritmą 1000 kartų, todėl per vieną skaičiavimo laiko sekundę jis gali sukurti 20 sekundžių garso. (Tai daroma, iš tikrųjų sukuriant aukštesnio tikslumo garsą nei senasis algoritmas.) Tai didžiulis šuolis, ir tai leido paleisti programinę įrangą Google AI debesų sistemoje.

Tiesą sakant, tai dabar naudojama kuriant visą kalbą, kurią ištaria „Google Assistant AI“ (kuri, beje, dabar yra tiek vyriškos, tiek moteriškos versijos ) telefonuose ir išmaniuosiuose garsiakalbiuose.

Galite išgirsti seno stiliaus ne WaveNet kalbos sintezės pavyzdį čia ir tas pats sakinys, ištartas naujojo greito algoritmo čia . Skirtumas gana ryškus.

Deja, „DeepMind“ dar nepaskelbė išsamios informacijos apie tai, kaip jai pavyko sukurti itin efektyvią „WaveNet“ versiją, tačiau teigia, kad artimiausiu metu tai planuoja.