Ett fantastiskt AI-framsteg gör att Googles Smart Butler låter mycket bättre

Kategori: Okategoriserad Postad 05 okt

Du kan tacka DeepMind för den snygga nya rösten som kommer från Googles Home-högtalare och Assistant-app.

Den här gången förra året tillkännagav Googles London-baserade AI-avdelning ett nytt sätt att syntetisera tal. Dess programvara, som heter WaveNet, rev sönder den vanliga regelboken för att generera mänskliga röster: istället för att sy ihop ljudbitar, vilket slutar med att skapa de klumpiga robotröster vi är vana vid, genererade den en hel ljudvågform från början, ett prov efter det andra. Resultatet var mycket jämnare, med mer naturliga intonationer än andra talsyntesmetoder.

Men det fanns ett problem: programvaran tog en sekund att generera 0,02 sekunders ljud, vilket gör det opraktiskt för användning i konsumentprodukter. DeepMind sa att det inte skulle användas i någon av Googles mjukvara på ett tag, vilket innebar att de klumpiga rösterna i gammal stil måste finnas kvar.

Men under de senaste 12 månaderna har saker och ting förändrats. DeepMind nu rapporterar att den har lyckats påskynda algoritmen med en faktor på 1 000, så att den kan skapa 20 sekunders ljud på en sekunds beräkningstid. (Det gör det samtidigt som det faktiskt skapar ljud med högre kvalitet än den gamla algoritmen.) Det är ett stort steg, och det har gjort det möjligt att köra programvaran på Googles AI-molnsystem.

Det är faktiskt vad som nu används för att skapa allt tal som yttras av Googles Assistant AI (som för övrigt, kommer nu i både manliga och kvinnliga versioner ) på telefoner och smarta högtalare.

Du kan höra ett exempel på gammaldags icke-WaveNet-talsyntes här och samma mening uttalad av den nya, snabba algoritmen här . Skillnaden är ganska stark.

Tyvärr har DeepMind ännu inte publicerat detaljer om hur det lyckades skapa den ultraeffektiva versionen av WaveNet, men det säger att det planerar att göra det inom en snar framtid.