DeepMind A.I. Jambatan Jurang Antara Robot dan Suara Manusia

Kecerdasan buatan hanya membuat suara robot terdengar jauh lebih realistik.

DeepMind, yang sebelum ini menunjukkan kuasa A.I. dengan mengalahkan pemain manusia di Go pada Mac dan memotong rang undang-undang kuasa pada separuh pada bulan Julai, kini memberi tumpuan kepada sintesis ucapan.

Kumpulan penyelidikan A.I, yang merupakan sebahagian daripada syarikat induk Google, mendedahkan pagi ini bahawa ia telah mencipta teknologi baru yang dikenali sebagai WaveNet yang boleh digunakan untuk menjana ucapan, muzik, dan bunyi lain yang lebih tepat daripada sebelumnya.

DeepMind menerangkan bahawa banyak kaedah sintesis ucapan yang sedia ada bergantung kepada "pangkalan data yang sangat besar serpihan ucapan pendek yang dicatatkan dari pembicara tunggal dan kemudian dirombak untuk membentuk ucapan yang lengkap." WaveNet, sebaliknya, menggunakan "bentuk gelombang mentah dari isyarat audio "Untuk mewujudkan suara dan bunyi yang lebih realistik.

Ini bermakna WaveNet bekerja dengan bunyi individu yang dibuat apabila manusia bercakap dan bukannya menggunakan suku kata lengkap atau keseluruhan perkataan. Bunyi itu kemudiannya dikendalikan melalui proses "komputasi mahal" yang DeepMind telah menemui "penting untuk menghasilkan audio yang rumit, realistik" dengan mesin.

Hasil dari semua kerja tambahan itu adalah peningkatan 50 peratus untuk ucapan yang disintesis di A.S. English dan Chinese A.S.. Berikut adalah contoh ucapan yang dihasilkan menggunakan teks-ke-ucapan parametrik, yang umum digunakan hari ini, yang digunakan oleh DeepMind untuk menunjukkan bagaimana kaedah sintesis ucapan ini kurang:

Dan inilah contoh ayat yang sama yang dihasilkan oleh WaveNet:

Sebagai syarikat meneruskan kerja mereka pada antara muka bahasa semulajadi, menawarkan lebih banyak tindak balas yang realistik akan menjadi semakin penting. WaveNet dapat membantu menyelesaikan masalah itu.