Специалисты поискового гиганта Google опубликовали статью, в которой рассказали о том, что создали генератор речи, способный говорить неотличимым от живого человека голосом. Разработка называется Tacotron 2 и умеет очень качественно преобразовывать текст в речь.
Программа представляет собой две взаимосвязанные нейросети глубокого обучения. Первая нейросеть создаёт на основе текста спектрограмму и передаёт её второму алгоритму WaveNet, который её и озвучивает «голосом». Tacotron 2 знает множество нюансов, без труда справляется со сложными в произношении словами и, читая с листа, учитывает пунктуацию. Благодаря этому, например, она различает конец предложения и начало нового, выделяя их интонацией.
Образцы работы приложения специалисты уже выложили на , посвящённой разработке. Звучит это гораздо лучше, чем монотонные механические голоса современных программ озвучивания, поэтому, надо полагать, Google быстро найдёт разработке применение. WaveNet уже используется в Google Assistant, поэтому Tacotron 2 наверняка станет для неё отличным дополнением.
На данном этапе разработки Tacotron 2 говорит только приятным женским голосом, но, вероятно, в будущем обзаведётся и мужским вариантом, а, учитывая её способность к обучению, возможно, научится и имитировать другие голоса.
