在人工智能領(lǐng)域中，語音也是AI技術(shù)的一部分，說到語音合成，它是通過機(jī)械的、電子的方法產(chǎn)生人造語音的技術(shù)。TTS技術(shù)（又稱文語轉(zhuǎn)換技術(shù)）隸屬于語音合成，它是將計(jì)算機(jī)自己產(chǎn)生的、或外部輸入的文字信息轉(zhuǎn)變?yōu)榭梢月牭枚?、流利的漢語口語輸出的技術(shù)。
據(jù)媒體報(bào)道，F(xiàn)acebook研究員開源了其在今年七月發(fā)表的一篇論文中的語音合成方法。在論文中，他們提出了一種新的文字轉(zhuǎn)語音的神經(jīng)網(wǎng)絡(luò)方法，可以將從開放場景下采樣到的聲音中提取的文字轉(zhuǎn)化為語音。
說到神經(jīng)網(wǎng)絡(luò)，該技術(shù)基于新的移位緩沖內(nèi)存儲器區(qū)，評估使用者注意力，計(jì)算輸出音頻，以及自身的更新，可用于在開放場景下采樣到的聲音轉(zhuǎn)化成文字，再轉(zhuǎn)化成語音。該技術(shù)的網(wǎng)絡(luò)架構(gòu)比現(xiàn)存的同類架構(gòu)要簡單。
此外，通過使用與上下文無關(guān)的查找表對輸入語句進(jìn)行編碼，該表的每個(gè)條目包含一個(gè)字符或音素。同樣，能通過一個(gè)短向量來表示說話者，這個(gè)短向量也適用于新說話者。而且在生成音頻之前，優(yōu)先準(zhǔn)備好緩沖區(qū)可以使生成的語音具有可變性。
