Lielisks mākslīgā intelekta uzlabojums padara Google viedā sulaiņa skaņu daudz labāku

Kategorija: Bez kategorijas Ievietots 05. oktobris

Varat pateikties DeepMind par gludo jauno balsi, kas atskan no Google mājas skaļruņa un lietotnes Asistents.

Pagājušajā gadā Google Londonas AI nodaļa paziņoja par jaunu runas sintezēšanas veidu. Tā programmatūra, ko sauc par WaveNet, izjauca parasto noteikumu grāmatu par cilvēkiem līdzīgu balsu ģenerēšanu: tā vietā, lai savienotu skaņas gabalus, kas galu galā rada mums ierastās neveiklās robotu balsis, tā no jauna ģenerēja veselu audio viļņu formu. viens paraugs pēc nākamā. Rezultāts bija daudz vienmērīgāks ar dabiskākām intonācijām nekā citas runas sintēzes pieejas.

Taču radās problēma: programmatūrai bija nepieciešama viena sekunde, lai ģenerētu 0,02 sekundes audio, padarot to nepraktisku lietošanai patēriņa produktos. DeepMind teica, ka tas kādu laiku netiks izmantots nevienā Google programmatūrā, kas nozīmē, ka ir jāpaliek neveiklajām vecā stila balsīm.

Taču pēdējo 12 mēnešu laikā lietas ir mainījušās. DeepMind tagad ziņojumi ka tam ir izdevies paātrināt algoritmu par koeficientu 1000, lai tas varētu izveidot 20 sekunžu audio vienā aprēķina laika sekundē. (Tas tiek darīts, vienlaikus radot augstākas precizitātes audio nekā vecais algoritms.) Tas ir milzīgs lēciens, un tas ir ļāvis palaist programmatūru Google AI mākoņsistēmā.

Patiesībā tas tagad tiek izmantots, lai izveidotu visu runu, ko izrunā Google palīgs AI (kas, starp citu, tagad ir gan vīriešu, gan sieviešu versijās ) tālruņos un viedajos skaļruņos.

Varat dzirdēt vecā stila runas sintēzes, kas nav WaveNet, piemēru šeit un tas pats teikums, ko izteica jaunais, ātrais algoritms šeit . Atšķirība ir diezgan krasa.

Diemžēl DeepMind vēl nav publicējis sīkāku informāciju par to, kā tai izdevās izveidot īpaši efektīvu WaveNet versiju, taču tā saka, ka tā plāno to darīt tuvākajā nākotnē.