Googles DeepMind-enhet, som jobber med å utvikle superintelligente datamaskiner, har laget et system for maskingenerert tale som den sier at den overgår den eksisterende teknologien med 50 prosent.
Storbritannias-baserte DeepMind, som Google skaffet seg for rundt 400 millioner pund ($ 533 millioner dollar) i 2014, utviklet en kunstig intelligens kalt WaveNet som kan etterligne menneskelig tale ved å lære å danne de individuelle lydbølgene en menneskelig stemme skaper, heter det i en blogginnlegg fredag. I blinde tester for amerikansk engelsk og mandarin-kinesisk, syntes menneskelige lyttere WaveNet-genererte tale hørtes mer naturlig ut enn det som ble opprettet med noen av Googles eksisterende tekst-til-tale-programmer, som er basert på forskjellige teknologier. WaveNet underpresterte fortsatt innspillinger av faktisk menneskelig tale.
Mange datamaskingenererte taleprogrammer fungerer ved å bruke et stort datasett med korte innspillinger av en enkelt menneskelig høyttaler og deretter kombinere disse talefragmentene for å danne nye ord. Resultatet er forståelig og høres menneskelig ut, om ikke helt naturlig. Ulempen er at lyden til stemmen ikke lett kan endres. Andre systemer danner stemmen fullstendig elektronisk, vanligvis basert på regler om hvordan de enkelte bokstavkombinasjonene uttales. Disse systemene gjør det mulig å manipulere lyden til stemmen lett, men de har hatt en tendens til å høres mindre naturlig ut enn datagenerert tale basert på innspillinger av menneskelige høyttalere, sa DeepMind.
WaveNet er en type AI kalt et nevralt nettverk som er designet for å etterligne hvordan deler av den menneskelige hjernen fungerer. Slike nettverk må trenes med store datasett.
wpDiscuz
Pat spikrer situasjonen med kommentaren sin, nok en gang.