ब्रॉड स्ट्रोकमध्ये ही एक प्रणाली काय आणि कसे कार्य करते हे अधिक चांगल्या प्रकारे समजण्यासाठी कृत्रिम आवाज मला हे स्पष्ट उदाहरण पहायचे आहे की नक्कीच आम्ही सर्व काही वेळेस भेटलो आहोत, विशेषत: मी YouTube वर उपस्थित असलेल्या व्हिडिओंविषयी तसेच इतर इंटरनेट सेवांबद्दल बोलत आहे जिथे कथावाचक बोलतात. संगणक व्युत्पन्न आवाज. कदाचित बहुचर्चित आणि सर्वाधिक वापरले जाणारे वाचन सॉफ्टवेअर आहे लोक्वेंदो जरी आज सत्य आहे की या प्रणाली बर्‍याच प्रमाणात विकसित झाल्या आहेत, परंतु आपल्यात याचा पुरावा आहे Cortana o Siri.
आज सादर केलेला नवीनतम व परिष्कृत भाषण संश्लेषण कार्यक्रम Google, नावाने चालणारे एक सॉफ्टवेअर वेनेट आणि ते विभागातील अभियंत्यांनी तयार केले आहे Deepmind, एक कृत्रिम बुद्धिमत्ता कंपनी जी २०१ 2014 मध्ये Google ने अधिग्रहित केली होती. वेनेट एक आहे जटिल कृत्रिम बुद्धिमत्ता अल्गोरिदमवर आधारित स्पीच संश्लेषण सॉफ्टवेअर जी एक जटिल न्यूरल सिस्टम म्हणून कार्य करते.
वेव्हनेट, एक क्रांतिकारक व्हॉईस सिंथेसाइज़र जो आपल्याला आश्चर्यचकित करेल
वेनेट ने सादर केलेल्या कादंब .्यांमध्ये हे लक्षात घेतले पाहिजे की जरी आतापर्यंत वापरली जाणारी मुख्य पद्धत होती टीटीएसमजकूर ते भाषण, जेथे शब्द आणि वाक्य तयार करण्यासाठी भिन्न ध्वनीमुद्रित ध्वनीचे तुकडे एकत्र केले किंवा म्हणून ओळखले जाते पॅरामीट्रिक टीटीएसस्पीच कोडरला मजकूर पाठविणारी एक पद्धत, ज्याचा परिणाम पूर्वीच्यापेक्षा अगदी कमी नैसर्गिक आहे, आपल्याला आता ऑडिओ एकत्रित करणे आणि प्ले करण्याऐवजी वेनेट नेट सापडले, एक जटिल कृत्रिम बुद्धिमत्ता प्रणाली समाकलित करते जी संदर्भात शिकण्यास आणि परिस्थितीशी जुळवून घेण्यास सक्षम आहे.
ही नवीन प्रणाली कामगिरी करण्यास सक्षम आहे प्रति सेकंद 16.000 नमुने मानवी हस्तक्षेपाशिवाय आपल्याला स्वत: चे ऑडिओ क्रम देखील तयार करण्याची अनुमती देते. दुसरीकडे, हे लक्षात घेण्यासारखे आहे की त्याच्या विकासास जबाबदार असलेल्या अभियंत्यांनी नंतर काय म्हणायचे आहे याचा अंदाज लावण्यासाठी आकडेवारीचा अवलंब करण्यास सक्षम अशी एक प्रणाली सुरू केली आहे आणि यामुळे हे सुनिश्चित होते की प्रणाली अधिक जलद आणि अस्खलितपणे परिणाम देते. आपणास वेनेटमध्ये स्वारस्य असल्यास, त्या वेबसाइटवर आपण ते करू शकता हे सांगा इंग्रजी आणि मंडारीन चिनी भाषेमधील विविध नमुने ऐका.
अधिक माहिती: Deepmind