12月29日消息，谷歌本月推出了一款名為“Tacotron 2”的全新文字轉(zhuǎn)語音系統(tǒng)，它具有驚人的發(fā)音準(zhǔn)確性，且實際文本閱讀效果幾乎同真人聲音無法區(qū)分。
“Tacotron 2”其實已經(jīng)是谷歌的第二代類似技術(shù)，它由兩個深度神經(jīng)網(wǎng)絡(luò)組成。目前，該系統(tǒng)只進(jìn)行了英語女聲的訓(xùn)練（如要需要它發(fā)出男性聲音的話，谷歌則需要對其進(jìn)行重新“培訓(xùn)”）。
谷歌的研究人員表示，“Tacotron 2”完全可以準(zhǔn)確發(fā)音一些非常復(fù)雜的單詞和人名，并根據(jù)標(biāo)點符號的不同而有所區(qū)分，甚至能夠完美地講完一段繞口令。舉例來說，“Tacotron2”會默認(rèn)在讀到大寫單詞的時候加重語氣，也能夠處理少量的人為打字錯誤。
“Tacotron 2”上所謂“語音合成技術(shù)”又稱文本轉(zhuǎn)語音（TTS）是如今很多移動產(chǎn)品和應(yīng)用上不可或缺的技術(shù)模塊，例如語音交互應(yīng)用、導(dǎo)航、語音控制以及為視力障礙者設(shè)計的產(chǎn)品中都需要語音合成技術(shù)的支持。在此之前很長一段時間內(nèi)，語音合成技術(shù)都是采用拼接方式，需要記錄大量語料才能進(jìn)行語音合成。這樣的方法不僅前期需要處理大量數(shù)據(jù)，而且一旦說話人有所改變就需要重新記錄和處理，所以業(yè)界一直在尋找可以實時生成語音的方式。
