人工智能在语音系统中发挥了重要作用。据报道，谷歌已经推出了一种语音转换系统，具有极高的语音准确度，并且合成语音与人类语音没有区别。根据国外媒体的报道，根据最新标准，人类似乎已经正式将他们的“声带”专用于人体。人工智能。这不是作者在这里的危言耸听之谈，而是Google率先推出了一种名为“ Tacotron 2”的新型文本语音转换系统。这个月，其发音准确性令人惊讶，与实际的文本阅读效果几乎相同。真实的人声是无法区分的。根据消息来源，“ Tacotron 2”被称为“ Tacotron 2”。实际上是Google的第二代类似技术，它由两个深度神经网络组成。其中一个负责将文本转换为可视化图（通常为PDF格式），然后将生成的可视化图加载到第二个深度神经网络WaveNet（该神经网络是从DeepMind实验室孵化的），并将其还原到真实的声音。目前，该系统仅针对英语女性语音进行培训（如果需要产生男性语音，则Google将需要对其进行重新培训）。 Google研究人员说，“ Tacotron 2”可以准确地发音一些非常复杂的单词和名称，并根据不同的标点符号来区分它们，甚至可以完美地完成绕口令。例如，“ Tacotron2”会在默认情况下在阅读大写单词时强调音调，并且还可以处理少量的人类打字错误。与Google正在开发的其他核心AI技术不同，“ Tacotron 2”不仅是一项已被卡在实验室中的技术，而且还将对公司的其他产品产生立竿见影的效果。例如，谷歌实际上已经使用深度神经网络WaveNet在Google助手中生成了更逼真的语音反馈。将来对该产品进行进一步改进后，显然会提供更大的帮助，以增强其他Google产品的用户体验。应当指出的是，所谓的“语音合成技术”是不言而喻的。也称为文本语音转换（TTS）是许多移动产品和应用程序中必不可少的技术模块，例如语音交互应用程序，导航，语音控制以及视障人士。所有设计的产品都需要语音合成技术的支持。在此之前的很长一段时间内，语音合成技术都使用了拼接，这需要录制大量的语料才能进行语音合成。这种方法不仅需要在早期阶段处理大量数据，而且一旦说话者改变就需要重新记录和处理。因此，业界一直在寻找一种实时产生语音的方法。在这方面，谷歌的DeepMind实验室于2016年启动了WaveNet深度神经网络，该网络可以在经过真正的语音训练后直接从文本生成音频。在过去的12个月中，DeepMind一直在努力极大地提高模型的速度和质量，以“生成比现有技术可产生更好，更逼真的声音的原始音频波形”。