谷歌在其云上提供文本到語音的技術

多年來，谷歌提供了將文本轉(zhuǎn)換為語音的能力，包括搜索、地圖和谷歌助理。 現(xiàn)在，它在其云中提供作為服務的能力。

該公司今天宣布，其他公司現(xiàn)在可以嘗試云文字技術在自己的服務.. 谷歌最新的機器學習服務旨在幫助公司開發(fā)更好的會話接口到他們的服務。

該服務針對三個主要市場，云A I產(chǎn)品經(jīng)理丹·阿哈龍在采訪中說。 主要的是呼叫中心的語音響應系統(tǒng)，Cloud Text-to-Speech可以為其提供實時、自然語言的會話。 “我們認為這將對呼叫中心的空間造成巨大的破壞，”他說，一種更禮貌的說法是，所有去印度和菲律賓的呼叫中心工作可能很快就會消失。

另外兩個是使“物聯(lián)網(wǎng)”中的設備，從汽車到電視到機器人，能夠與用戶交談，并將新聞文章和書籍等文本轉(zhuǎn)換為語音，如播客和有聲讀物。

該服務有32種不同的聲音在12種語言，并允許應用程序開發(fā)人員自定義語音音高，語速和音量增益。 在一次演示中，所有這些都使一些來自文本的語音片段非常接近自然。 事實上，根據(jù)谷歌自己的測試，有些人非常接近人類言論。

谷歌實際上正在使用幾種不同的文本到語音技術——這是它多年來使用的技術，也是它使用WaveNet的DeepMind人工智能單元的兩個版本。 這兩種方法從零開始創(chuàng)建原始音頻波形，而不是傳統(tǒng)的方法，即將實際的語音樣本組合成更大的語音片段或使用轉(zhuǎn)換算法對它們進行變形，以發(fā)出更廣泛的聲音。

第一個版本的浪潮網(wǎng)絡，發(fā)表在2016年底，使用了一個所謂的生成模型，訓練了大量的真實聲音樣本，然后提取語音的底層結(jié)構，如什么音調(diào)跟隨他人。 深層意識說，這種轉(zhuǎn)換為言語的文本會產(chǎn)生更準確的結(jié)果，有時在人類言語被評為4.5（以上）的尺度上超過四個。

最近，谷歌開始使用在谷歌的云傳感器處理單元基礎設施上運行的WaveNet更新版本（如圖，頂部）。 它產(chǎn)生的原始波形比原始模型快1000倍，只在50毫秒內(nèi)產(chǎn)生第二次語音，并提供更高的保真度。 阿哈龍說，這個版本有70%的聲音聽起來像人類的演講-盡管演示聽起來確實很接近。 包括六個波網(wǎng)聲音開始，然后在未來幾個月的額外聲音。

他說：“這是我們以前見過的最接近人類語言的東西。 谷歌將提供六個波網(wǎng)聲音開始作為云文字到語音，未來幾個月將有更多。

有一個免費的層，公司每月使用高達400萬個字符與標準的云文字技術，之后有一個400萬$字符的收費。 波網(wǎng)版本最多可自由使用100萬個字符，然后每增加100萬個字符$16個。 后者的成本更高，因為需要更多的處理能力。 但這兩個版本都是由100萬個字符的分數(shù)收費的，所以它可以相當便宜，以減少使用，亞倫說。

自11月以來，幾十個阿爾法用戶一直在嘗試它，包括思科系統(tǒng)公司(CiscoSystemsInc.)和管理Calll云電話系統(tǒng)的海豚ONE通信有限責任公司(DolphinOneCommunicationsLLP)。

谷歌并不是唯一一個通過云提供文本到語音服務的公司。 例如，亞馬遜網(wǎng)絡服務公司(AmazonWe bServicesInc.)于2016年底開始提供其Polly文本對語音服務。 IBM公司在其云計算系統(tǒng)的驅(qū)動下，以七種語言發(fā)出了13種聲音。

顯示您對我們的任務的支持，我們的一鍵訂閱我們的優(yōu)管頻道（下面）。 我們擁有的用戶越多，你就越能向你推薦相關的企業(yè)和新興技術內(nèi)容。 謝謝！

支持我們的使命：>；>；>；SUBS CRIBE NOW>；>；>；到我們的優(yōu)管頻道。

我們還想告訴你我們的使命，以及你如何幫助我們完成它。 硅谷媒體公司的商業(yè)模式是基于內(nèi)容的內(nèi)在價值，而不是廣告。 與許多在線出版物不同，我們沒有付費墻或經(jīng)營橫幅廣告，因為我們希望保持我們的新聞開放，沒有影響或需要追逐流量。 硅谷的新聞、報道和評論-以及我們硅谷工作室的現(xiàn)場、未經(jīng)剪輯的視頻和CUBE的環(huán)球視頻團隊-需要大量的艱苦工作、時間和金錢。 保持高質(zhì)量需要贊助商的支持，他們與我們的無廣告新聞內(nèi)容的愿景一致。

如果您喜歡這里的報道，視頻采訪和其他無廣告內(nèi)容，請花點時間查看我們的贊助商支持的視頻內(nèi)容樣本，推特您的支持，并繼續(xù)回到硅安格爾。