亞馬遜的文本語音轉(zhuǎn)換服務(wù)Polly具有新聞廣播員的風(fēng)格

亞馬遜網(wǎng)絡(luò)服務(wù)公司(AmazonWe bServicesInc.)正在接受GoogleLLC的人類語音復(fù)制，今天給亞馬遜Polly增加了兩個新功能，這是一種基于云的服務(wù)，將文本轉(zhuǎn)換為逼真的語音，并用于創(chuàng)建可以說話的應(yīng)用程序。

第一個新特征被稱為神經(jīng)文本到語音，亞馬遜說，它通過提高合成聲音的“自然性”和“表現(xiàn)力”，在語音質(zhì)量上提供了“顯著的改進”。

關(guān)于神經(jīng)文本技術(shù)的一個偉大的事情是，它能夠?qū)W習(xí)新的演講風(fēng)格，只需幾個小時的培訓(xùn)，這要歸功于亞馬遜去年在一篇研究論文中寫的一個新的人工智能模型。 該模型通過將大量標(biāo)準(zhǔn)、中性的語音與僅幾個小時的目標(biāo)語音風(fēng)格的額外語音數(shù)據(jù)結(jié)合起來來工作。 可以根據(jù)需要添加新的補充數(shù)據(jù)，以創(chuàng)建各種附加的說話樣式。

下面是一個神經(jīng)文本語音的例子：

亞馬遜利用Neural-Text-To-Speech的底層算法，創(chuàng)建了它的第二個新功能，這是一個新聞播音員風(fēng)格的聲音，在閱讀新聞文章和類似內(nèi)容時，敘事聲音“更真實”，AWS福音傳道者朱利安·西蒙在一篇博客文章中寫道。

西蒙說：“語音質(zhì)量當(dāng)然很重要，但可以做更多的事情來使合成的聲音聽起來更加真實和吸引人。 ”“風(fēng)格呢？ 當(dāng)然，人類的耳朵可以分辨出新聞廣播、體育廣播、大學(xué)課堂等等之間的區(qū)別；事實上，大多數(shù)人類都采用了正確的演講風(fēng)格來適應(yīng)正確的語境，這無疑有助于傳達他們的信息。

西蒙說，包括環(huán)球郵報、大英百科全書和TIM媒體在內(nèi)的組織已經(jīng)在使用波莉的新聞播音員風(fēng)格。 這一功能也被引入亞馬遜Alexa支持的設(shè)備，在那里它被用來講述每日新聞簡報和類似的內(nèi)容。

這是一個新聞播音員聲音的快速演示：

亞馬遜說，新聞播音員的風(fēng)格有兩種英文聲音，而Nural-Text-To-Speech有11種，包括3種英國英語口音和8種美國口音。 這些聲音都是實時和批量工作的，可以從亞馬遜的美國東部(N.弗吉尼亞)、美國西部（俄勒岡州)和歐洲(愛爾蘭）AWS地區(qū)訪問。

星座研究公司(Constellation ResearchInc.)分析師霍爾格·穆勒(HolgerMueller)表示，所有主要的平臺服務(wù)公司都在認(rèn)真對待聊天機器人和會話接口，因為這些平臺正在迅速改變客戶和員工的體驗。

穆勒說：“有了這些新的功能，亞馬遜就專注于會話平臺的三個重要部分之一，即語音輸出。 “它在制作軟件制作演講稿方面的進展令人印象深刻，但我們必須看看企業(yè)采用新功能的速度。

亞馬遜波莉競爭谷歌的文本到語音服務(wù)，這是由其浪潮網(wǎng)絡(luò)框架，目前提供57種語音風(fēng)格的21種語言。 微軟公司還提供類似的服務(wù)，稱為Azure語音服務(wù)API，它提供75個標(biāo)準(zhǔn)聲音和三個人工智能生成的聲音。

顯示您對我們的任務(wù)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(guān)的企業(yè)和新興技術(shù)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。