谷歌在其云上提供文本到语音的技术

多年来，谷歌提供了将文本转换为语音的能力，包括搜索、地图和谷歌助理。 现在，它在其云中提供作为服务的能力。

该公司今天宣布，其他公司现在可以尝试云文字技术在自己的服务.. 谷歌最新的机器学习服务旨在帮助公司开发更好的会话接口到他们的服务。

该服务针对三个主要市场，云A I产品经理丹·阿哈龙在采访中说。 主要的是呼叫中心的语音响应系统，Cloud Text-to-Speech可以为其提供实时、自然语言的会话。 “我们认为这将对呼叫中心的空间造成巨大的破坏，”他说，一种更礼貌的说法是，所有去印度和菲律宾的呼叫中心工作可能很快就会消失。

另外两个是使“物联网”中的设备，从汽车到电视到机器人，能够与用户交谈，并将新闻文章和书籍等文本转换为语音，如播客和有声读物。

该服务有32种不同的声音在12种语言，并允许应用程序开发人员自定义语音音高，语速和音量增益。 在一次演示中，所有这些都使一些来自文本的语音片段非常接近自然。 事实上，根据谷歌自己的测试，有些人非常接近人类言论。

谷歌实际上正在使用几种不同的文本到语音技术——这是它多年来使用的技术，也是它使用WaveNet的DeepMind人工智能单元的两个版本。 这两种方法从零开始创建原始音频波形，而不是传统的方法，即将实际的语音样本组合成更大的语音片段或使用转换算法对它们进行变形，以发出更广泛的声音。

第一个版本的浪潮网络，发表在2016年底，使用了一个所谓的生成模型，训练了大量的真实声音样本，然后提取语音的底层结构，如什么音调跟随他人。 深层意识说，这种转换为言语的文本会产生更准确的结果，有时在人类言语被评为4.5（以上）的尺度上超过四个。

最近，谷歌开始使用在谷歌的云传感器处理单元基础设施上运行的WaveNet更新版本（如图，顶部）。 它产生的原始波形比原始模型快1000倍，只在50毫秒内产生第二次语音，并提供更高的保真度。 阿哈龙说，这个版本有70%的声音听起来像人类的演讲-尽管演示听起来确实很接近。 包括六个波网声音开始，然后在未来几个月的额外声音。

他说：“这是我们以前见过的最接近人类语言的东西。 谷歌将提供六个波网声音开始作为云文字到语音，未来几个月将有更多。

有一个免费的层，公司每月使用高达400万个字符与标准的云文字技术，之后有一个400万$字符的收费。 波网版本最多可自由使用100万个字符，然后每增加100万个字符$16个。 后者的成本更高，因为需要更多的处理能力。 但这两个版本都是由100万个字符的分数收费的，所以它可以相当便宜，以减少使用，亚伦说。

自11月以来，几十个阿尔法用户一直在尝试它，包括思科系统公司(CiscoSystemsInc.)和管理Calll云电话系统的海豚ONE通信有限责任公司(DolphinOneCommunicationsLLP)。

谷歌并不是唯一一个通过云提供文本到语音服务的公司。 例如，亚马逊网络服务公司(AmazonWe bServicesInc.)于2016年底开始提供其Polly文本对语音服务。 IBM公司在其云计算系统的驱动下，以七种语言发出了13种声音。

显示您对我们的任务的支持，我们的一键订阅我们的优管频道（下面）。 我们拥有的用户越多，你就越能向你推荐相关的企业和新兴技术内容。 谢谢！

支持我们的使命：>；>；>；SUBS CRIBE NOW>；>；>；到我们的优管频道。

我们还想告诉你我们的使命，以及你如何帮助我们完成它。 硅谷媒体公司的商业模式是基于内容的内在价值，而不是广告。 与许多在线出版物不同，我们没有付费墙或经营横幅广告，因为我们希望保持我们的新闻开放，没有影响或需要追逐流量。 硅谷的新闻、报道和评论-以及我们硅谷工作室的现场、未经剪辑的视频和CUBE的环球视频团队-需要大量的艰苦工作、时间和金钱。 保持高质量需要赞助商的支持，他们与我们的无广告新闻内容的愿景一致。

如果您喜欢这里的报道，视频采访和其他无广告内容，请花点时间查看我们的赞助商支持的视频内容样本，推特您的支持，并继续回到硅安格尔。