聽你說話半小時，百度Deep Voice 2就能學會模仿你說話

人工智慧的明天，會在哪？

文 | 盧曉明

人工智慧可以做的事情越來越多，比如圖像識別、自然語言理解，還有下圍棋。當然，在最後一項，AI已經牛逼到了讓人類國手都不想再跟它比賽了。

谷歌在Pr圍棋AI的同時，百度繼續在語音和圖像識別領域倒騰。

之前，百度曾經推出一個叫SwiftScribe的軟體，可以將語音轉文字，這可說是記者的福音。除了語音轉文字，其實百度AI還有一個文字轉語音的軟體，叫Deep Voice，它的作用是文字轉語音。據The Verge報道，這個AI說起話來，簡直跟真人沒啥兩樣，而且還幾乎能實時說話。可是，這個系統一次只能學習一種聲音，而且需要好幾小時甚至是以上的音頻去學習。

最近，百度AI升級了這個軟體，推出了Deep Voice 2，它可以依靠一個半小時音頻，就能學習到一個人聲音跟別人的細微差別，而且一個系統可以學習成百上千種口音，也就是能模仿數百個人講話。

The Verge說，其實Siri也能模仿地域性的口音。只是當時Siri學這件事的時候，花的時間可不少，因為沒學一種新的聲音和口音，都需要一個真人去錄製數千小時的音頻。之後，工程師還需要花一段時間去「調教」這個軟體，教它怎麼說話。

Deep Voice 2 的操作方法有點不一樣，它首先會學習幾百個人說話中的共性，建立一個人類說話的基本模型，然後根據不同人說話的特性、語氣、口音，去調整這個模型。這個系統不需要人手動去調整。

「給他正確的數據，它就會自己學會什麼特性是重要的。」負責這個項目的百度矽谷實驗室科學家Andrew Gibiansky這麼說。

這個模仿不同人說話的功能，看起來有什麼用？

百度認為，這樣的技術，可能會應用在智能語音助手這塊，用戶用聲音來跟助手交流或者下達命令，後者也需要用語音去回復。如果每個語音助手有著不一樣的聲音，個性化定製的感覺就更強烈了，而不是每個都是前篇一律的Siri。

現在很多人喜歡在上班路上聽電子書，這也是一種應用的領域，有了這種技術，你聽語音讀物的時候，裡面的每一個角色，都會有屬於自己的聲音和相應的情緒、語氣，這樣聽起來就生動很多了。

其實，這樣的技術也能用到語音客服上。據36氪了解，百度內部也有專門的語音客服團隊。之前，百度和聯通簽署合作協議，李彥宏就說，未來要幫聯通弄個智能客服。李彥宏說，人工智慧為我們充值、換套餐的未來，或許已經依稀可見。在此前的百度世界大會上，李彥宏還演示了語音識別的其中一個應用場景：電話銷售。如果電話客服，每次打過去，說話的人有不同的語氣和口音，感覺也更像真人。

另外，用過語音導航的寶寶們會知道，裡面有不同的語音包。如果有了上面這個學說話的功能，你就能讓你們家的兒女或者你的男女朋友給你錄製一個語音包，如果你喜歡某大明星，你可以在網上下載他唱歌、訪談或者演講的音頻，然後讓AI學習吧。如此一來，以後你車上給你導航的，就是你最喜歡的人的聲音了。

好吧，說完這個有點聲控的功能之後吧，我們來看看其他公司在這方面做了什麼。

百度並不是唯一一家在這個領域探索的巨頭，去年9月，谷歌的DeepMind團隊也發布了一款聲音合成器 WaveNet，這個軟體在聲音的質量比傳統的語音合成系統有了很大的提升。

這個賽道也有大量的創業公司。上個月，加拿大的創業公司 Lyrebird 就發布了一個新系統，它可以通過一分鐘的語音數據，就能模仿很多大人物說話的。

現在這個產業那麼發達，加上AI逐漸學會和人你來我往地交流，以後不僅客服，聲音美美噠電台主持人是不是也要失業了？

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！