Принадлежащая Google британская компания DeepMind на своем сайте сообщила, что добилась значительного прогресса в разработке генерируемой компьютером речи. Это означает, что потенциально приближается тот день, когда машины заговорят «по-человечески», пишет Financial Times.
Разработчики из DeepMind считают, что разрабатываемая ими технология позволит существенно сократить разрыв между естественной человеческой речью и создаваемой современными компьютерными системами. Технология, получившая название WaveNet, способна генерировать речь, которая имитирует любой человеческий голос и звучит естественнее, чем лучшие из существующих систем перевода письменного текста в речь, утверждается на сайте компании. Разработчики DeepMind также протестировали систему с музыкой, позволяющую генерировать короткие композиции на фортепиано на основе анализа классической музыки.
По словам одного из источников FT, технология на данный момент не используется ни в одном из продуктов Google, тем не менее, она может быть использована в будущем.
WaveNet отличается от существующих искусственных «синтезаторов речи» тем, что в ней фактически воспроизводятся звуковые волны. Использование так называемой нейронной сети, технологии, которая пытается имитировать человеческий мозг, позволяет анализировать исходные формы звуковых волны и проектировать вероятные модели.
Этот подход отличается от принципа работы большинства существующих систем преобразования текста в речь, которые, используя аудиозаписи человеческого голоса, воспроизводят звуки, основанные на введенных данных, продолжает FT. В технологии WaveNet речь идет о том, чтобы синтезировать речь, аналогичную человеческой.