在人機交互和機器語音識別領域，google和其他科技公司已經取得了巨大的進步。但是，要想做到使機器語音如同人類說話那樣自然流暢，迄今為止一直都是機器學習領域的一大難題。

51電子網公益庫存:

74HCT7541PW-Q100J

74LVC16373APAG

74LVC16374ADGG-Q1J

74LVC16374ADL112

74LS02

74HC165D653

74HC175PW112

74HC175PW118

74HC175PW-Q100J

74HC14

74HCT174DB112

74HCT174DB118

截至目前，大多數的文本閱讀（text-to-speech ,tts）系統都是基于所謂的語音拼接技術，這嚴重依賴于單詞組合的語音片段數據庫。這就會產生因為數據庫不完善，而導致的語音突變或者斷句錯誤等問題，讓人聽起來很不自然。

通過對人類語言的原始波形進行直接建模，deepmind正在改變語音合成的方式。在wavenet平臺上，這一先進的方法可以合成任意類型的語音，甚至包括音樂。下面就是通過語音拼接技術和wavenet語音合成的例子，可以感受一下語音品質。

0:05語音拼接技術合成的聲音 來自deeptech深科技

將人類語音的原始波形進行直接建模成波形是件無比困難的工作，這對于機器學習而言，無疑是個巨大的挑戰。

在建模的過程中，每秒都需要對下一時刻做上千個預測，而大多數預測都是基于前期的結果。deepmind利用神經網絡技術，并用人類語音波形對其進行訓練，在下面的gif動畫中，你可以看到多層計算網絡來估計語音概率分布，進而得出最終輸出音頻。

多層計算網絡來估計語音概率分布

通過對輸出音頻的比較，deepmind團隊發現，wavenet產生的音頻比其他方法得到的合成語音更加逼真。甚至對于wavenet來說，即使沒有輸入文本，神經網絡也能得到相應的輸出音頻。

只不過，這時你聽到的是機器的牙牙學語，聽起來就像是一個人在說你從未聽過的語言。這時，如果你使用古典鋼琴曲而不是人聲來訓練，這種機器的“咕嚕”聲就會變成狂亂但是有趣的音樂片段。

十幾年前，人工智能開始出現在我們生活中。現在，我們把調侃siri當成一種樂趣。試想一下，未來幾年，從冰冷的手機揚聲器中，如果傳來的比你男/女朋友還溫柔的聲音，你還有心思去談戀愛嗎？現在，那個憑借開發alphago火爆全球google deepmind團隊，正在為你量身打造一款你喜歡的另一半。

的確，我們從呱呱墜地到呀呀囈語，早就習慣了人類語言的語氣和發聲模式，任何聲音只要有一絲偏離我們意識中的“正常”語言，都會被我們馬上辨認出來。這就是為什么一直以來開發真正人聲語音文本是件極其困難的工作。

但是現在，google的deepmind ai研究團隊通過改變他們的機器學習模型，解決了這一難題，并且在“wavenet”平臺上展示出了他們驚人的科學成果。