We weten allemaal heel goed dat de techgigant Google hard werkt om stemmen te synthetiseren die steeds meer op mensen lijken. Het idee is om interacties natuurlijk te maken met de persoonlijke assistent, met Google Home-luidsprekers en zelfs met de tolk.
Google’s AI leert menselijke spraak te reproduceren
De techgigant Google werkt er hard aan om stemmen te synthetiseren die steeds meer op mensen lijken. Het idee is om interacties natuurlijk te maken met de persoonlijke assistent, met Google Home-luidsprekers en zelfs met de tolk.
Dit keer bracht het bedrijf natuurlijk de techgigant Google een nieuwe doorbraak in deze richting uit met behulp van neurale netwerken. Herken jij het verschil tussen de menselijke stem en de gesynthetiseerde stem?
De techgigant Google heeft een systeem gemaakt met de naam Tacotron 2, voor spraaksynthese rechtstreeks uit de tekst. Het heeft verschillende interessante functies, zoals het corrigeren van je schrijven: je kunt “thisss isreally awhsome” typen en dan hoor je gewoon de juiste zin “this is really awesome”.
Daarnaast spreekt het systeem woorden uit op basis van betekenis. Zo kan “woestijn” bijvoorbeeld “woestijn” of “woestijn” zijn – het neurale netwerk detecteert dit en legt de juiste nadruk.
Het pauzeert ook wanneer het komma’s detecteert; verandert intonatie bij het stellen van een vraag; spreekt complexere termen zoals “Otolaryngology” of “Talib Kweli” correct uit; en is ook goed in tongtwisten.
Het meest cruciale is echter dat de Tacotron 2 dicht bij de menselijke stem komt. In deze koppeling, je kunt de stemvoorbeelden vinden, en ik wed dat je niet kunt identificeren welke zin door een mens is uitgesproken en welke is geproduceerd door de techgigant Google’s AI (Artificial Intelligence).
De feedback staat aan het einde van het bericht. Ik was in staat om de door de computer gegenereerde stemmen correct te identificeren; enkele verschillen in spraakritme stellen ons in staat om dit te detecteren – ze zijn waarneembaar maar erg subtiel.
Deze nieuwe techniek van de techgigant Google brengt twee eerdere spraakgeneratieprojecten samen: WaveNet en de originele Tacotron.
Het WaveNet is een neuraal netwerk dat leert onze stem te simuleren. Het begint met audio die door mensen is opgenomen, probeert ze te repliceren en verbetert bij elke iteratie, totdat een synthetische stem ontstaat die dicht bij de echte stem ligt. Het doet een simulatie met 16.000 samples voor elke seconde.
Op zijn beurt diende de originele Tacotron om functies op hoog niveau na te bootsen, zoals intonatie en prosodie. Samen produceren deze twee systemen “spraak die natuurlijk klinkt en de geluidskwaliteit van echte menselijke spraak benadert”, schrijven de onderzoekers. De studie is beschikbaar hier.
Dus, wat vind je hiervan? Deel gewoon uw mening en gedachten in de commentaarsectie hieronder.