亞馬遜網(wǎng)絡(luò)服務(wù)公司（Amazon Web Services Inc.）正在接管Google LLC的人聲復(fù)制功能，今天為亞馬遜波利（Amazon Polly）添加了兩項(xiàng)新功能，這是一項(xiàng)基于云的服務(wù)，可將文本轉(zhuǎn)換為逼真的語(yǔ)音，并用于創(chuàng)建可以通話的應(yīng)用程序。

新功能的第一個(gè)功能稱為“神經(jīng)文本語(yǔ)音轉(zhuǎn)換”，亞馬遜表示，通過(guò)增強(qiáng)合成語(yǔ)音的“自然度”和“表達(dá)力”，可以在語(yǔ)音質(zhì)量上“顯著改善”。

關(guān)于神經(jīng)文本語(yǔ)音轉(zhuǎn)換的一大優(yōu)點(diǎn)是，由于亞馬遜去年在研究論文中提到的一種新的人工智能模型，它只需訓(xùn)練幾個(gè)小時(shí)就可以學(xué)習(xí)新的口語(yǔ)風(fēng)格。該模型通過(guò)將大量標(biāo)準(zhǔn)的中性語(yǔ)音與僅幾個(gè)小時(shí)的目標(biāo)語(yǔ)音風(fēng)格的其他語(yǔ)音數(shù)據(jù)相結(jié)合而起作用。可以根據(jù)需要添加新的補(bǔ)充數(shù)據(jù)，以創(chuàng)建各種其他語(yǔ)音樣式。

AWS傳福音者朱利安·西蒙（Julien Simon）在博客中寫(xiě)道，使用Neural-Text-To-Speech的基本算法，亞馬遜創(chuàng)建了第二個(gè)新功能，這是新聞播音員式的聲音，使敘事聲音在閱讀新聞和類似內(nèi)容時(shí)“更加逼真”。發(fā)布。

西蒙說(shuō)：“語(yǔ)音質(zhì)量當(dāng)然很重要，但是要使合成語(yǔ)音更加逼真和引人入勝，還可以做更多的工作?！?“風(fēng)格呢？可以肯定的是，人耳可以分辨出新聞廣播，體育廣播，大學(xué)課程等之間的區(qū)別;實(shí)際上，大多數(shù)人在正確的環(huán)境中采用正確的言語(yǔ)風(fēng)格，這無(wú)疑有助于傳達(dá)他們的信息?！?/p>

西蒙說(shuō)，包括《環(huán)球郵報(bào)》，《大不列顛百科全書(shū)》和TIM Media在內(nèi)的組織已經(jīng)在使用Polly的新聞廣播員風(fēng)格。該功能也已引入到支持Amazon Alexa的設(shè)備中，該設(shè)備用于敘述每日新聞簡(jiǎn)報(bào)和類似內(nèi)容。