Tacotron 2, system sztucznej inteligencji Google, może zamienić martwy tekst w ludzki głos. Uważa się to za wielki krok naprzód dla Google, który pomaga AI zbliżyć się do użytkowników.
W tym celu Tacotron 2 wykorzystuje dwie sztuczne inteligencje o różnych rolach, pierwsza skoncentruje się na konwersji liter na spektrogramy, druga (WaveNet) zamieni te dane na dźwięk.

Poczuj wyjątkową moc nowego systemu AI Google, słuchając par identycznych plików audio stworzonych przez ludzi i Tacotron 2. Czy potrafisz rozróżnić, czy jest to głos maszyny, czy ludzki?
„George Washington był pierwszym prezydentem Stanów Zjednoczonych”.
„Ta dziewczyna nakręciła film o szmince z Gwiezdnych Wojen”.
„Autobusy nie są problemem, one wręcz dostarczają rozwiązanie”.
„Autobusy nie są PROBLEMEM, one wręcz dostarczają ROZWIĄZANIA.”
„Generatywna sieć kontradyktoryjna lub wariacyjny autokoder”.
„Błona podstawna i otolaryngologia nie są autokorelacjami”.
„Przeczytał całość”.
„On czyta książki”.
Według aktualnych zapowiedzi Tacotron 2 radzi sobie ze słowami trudnymi do wymówienia, z którymi ludzie być może nigdy wcześniej się nie zetknęli, potrafi analizować w celu znalezienia tego, na czym należy się skupić w zdaniu i podkreślać to, co jest napisane, lub przeprowadzić samoanalizę w celu wykrycia podstawowe błędy ortograficzne.
System Tacotron 2 tworzy obecnie tylko jeden głos żeński, mówiący po angielsku i służący do komunikacji z wirtualnym asystentem Asystentem Google. Z pewnością w przyszłości Google stworzy więcej głosów, a Tacotron 2 będzie stosowany na wielu różnych platformach.
Zobacz więcej: