Инженеры Google создали систему синтеза речи, которая почти неотличима от голоса человека.

Google разработала продвинутый синтезатор речи нового поколения. Он называется Tacotron 2 и основан на нейросети.

Система преобразования текста в естественно звучащую речь Tacotron 2 справляется с этой задачей эффективнее своих предшественников Tacotron и Wavenet, пишет Techcrunch.

Предыдущие системы генерации речи обладали рядом существенных недостатков. Wavenet, к примеру, издавала очень резкие звуки. Tacotron лучше справлялся с интонациями, но не мог выдавать полноценный "Речевой Продукт".

Алгоритм Tacotron 2, который представлен командой разработчиков Google при участии Джонатана шена, работает на основе двух нейронных сетей. Печатная версия конвертируется в специальную Tacotron - спектрограмму, в которой распределяются ритм и ударения, а слова генерируются в аналоге Wavenet. Кроме того, добавлена система сбора данных для обучения нейросети.

Аудиозапись действительно похожа на речь живого человек. Темп речи звучит весьма убедительно, а основные запинки происходят на словах с необычным произношением. Правда, часть слушателей в комментариях утверждает, что некоторые слова система выговаривает "Ломано".

Образцы работы Tacorton 2 можно прослушать на официальном сайте Google. Эта технология, скорее всего, сразу начнет использоваться в продуктах компании.

Одной из основных проблем нового алгоритма является отсутствие регулировки тона речи. Нельзя предугадать, какая фраза будет произнесена приподнято, а какая - грубо.