Принцип новой технологии в том, что искусственный интеллект повторяет звуки, а не сопоставляет записи слов с текстом.
Лондонская компания DeepMind, которую Google приобрел в 2014 году за 400 миллионов фунтов стерлингов, разработала новую технологию компьютерного генерирования речи, результат которой более близок к тому, как люди говорят на самом деле.
Об этом сообщает Business Insider, добавляя, что новая программа получила название WaveNet.
Ее принцип отличается от привычной для пользователей системы ТТЅ, которая предусматривает сопоставление текста с записями различных слов. Теперь компьютер учится повторять реальные звуки, а не озвучивать слова. В основе WaveNet лежит технология нейронных сетей, суть которой заключается в повторении работы человеческого мозга.
Программа анализирует, живые звуковые волны и аудио сигналы, а потом пытается их воспроизвести. Так у нее получается речь, близкая к человеческой.
“Повторение реального разговора всегда было большим вызовом для современных компьютерных систем с огромным количеством сложных разветвлений модулей. Машина все равно не повторяла в совершенстве то, как естественно люди говорят. Наши исследования показали, что только технология нейронных сетей может научиться генерировать реальную человеческую речь. Однако сократить разрыв между человеческой и машинной манерой говорить все равно удается лишь на 50%”, – пояснил ученый с DeepMind Аарон ван ден Ооорд.
В это же время, разработчики сомневаются, что Google начнет использовать их продукт в ближайшее время, поскольку программа требует очень значительных ресурсов компьютера.
