Google LLC今天用新的語(yǔ)言和語(yǔ)音更新了Cloud Text-to-Speech服務(wù)，以使其對(duì)更多客戶有用。

Google Cloud Text-to-Speech旨在幫助公司為其提供的服務(wù)開發(fā)更好的對(duì)話界面。它的工作原理是將書面文本轉(zhuǎn)換為以逼真的人類聲音說(shuō)出的人工語(yǔ)音。

借助這項(xiàng)服務(wù)，Google的目標(biāo)市場(chǎng)是三個(gè)主要市場(chǎng)：呼叫中心的語(yǔ)音響應(yīng)系統(tǒng);“物聯(lián)網(wǎng)”產(chǎn)品，例如汽車信息娛樂(lè)系統(tǒng)，電視和機(jī)器人;以及諸如Podcast和有聲讀物之類的應(yīng)用程序，它們可以將文本轉(zhuǎn)換為語(yǔ)音。

Google產(chǎn)品經(jīng)理Dan Aharon在博客中表示，Cloud Text-to-Speech正在獲得12種新的語(yǔ)言或變體，包括捷克語(yǔ)，英語(yǔ)(印度)，菲律賓語(yǔ)，芬蘭語(yǔ)，希臘語(yǔ)，印地語(yǔ)，匈牙利語(yǔ)，印度尼西亞語(yǔ)，漢語(yǔ)(中國(guó)) ，現(xiàn)代標(biāo)準(zhǔn)阿拉伯語(yǔ)和越南語(yǔ)。此更新意味著現(xiàn)在可以使用33種語(yǔ)言和變體提供Cloud Text-to-Speech。

該服務(wù)還獲得了多達(dá)76種新的聲音，使可用的總數(shù)達(dá)到187種。其中38種由Google的WaveNet服務(wù)提供支持，該服務(wù)是一個(gè)深度神經(jīng)網(wǎng)絡(luò)，用于生成原始音頻，據(jù)說(shuō)可以產(chǎn)生更逼真的聲音。因此，現(xiàn)在總共有95種WaveNet聲音，對(duì)于33種支持的語(yǔ)言和變體中的每一種，至少有一種。

谷歌表示，其WaveNet聲音非常重要，因?yàn)楹艚新?lián)絡(luò)中心或使用口頭命令與設(shè)備通話的人們希望聲音聽起來(lái)既自然又人性化。WaveNet的這項(xiàng)功能比其他任何可用技術(shù)都好，Aharon說(shuō)，根據(jù)平均意見得分，美國(guó)英語(yǔ)中語(yǔ)音合成和人類語(yǔ)音之間的“感知質(zhì)量差距”縮小了70%。

“實(shí)際的影響是，對(duì)于大多數(shù)聽眾來(lái)說(shuō)，WaveNet語(yǔ)音使人機(jī)交互變得順暢而熟悉，” Aharon說(shuō)。“通過(guò)這些更新，Cloud Text-to-Speech開發(fā)人員現(xiàn)在可以通過(guò)其應(yīng)用程序吸引眾多國(guó)家/地區(qū)的數(shù)百萬(wàn)用戶，以及更多的語(yǔ)言。”

星座研究公司(Constellation Research Inc.)分析師Holger Mueller表示，Cloud Text-to-Speech的更新非常重要，盡管乍一看似乎只是“更多的語(yǔ)言和聲音”。他說(shuō)，最重要的是，這表明Google正在充分利用其機(jī)器學(xué)習(xí)架構(gòu)。

“質(zhì)量和發(fā)行很重要，因?yàn)檎Z(yǔ)音在應(yīng)用程序中起著重要作用，世界是全球性的，”穆勒說(shuō)。“因此，更多的語(yǔ)言支持意味著為開發(fā)下一代應(yīng)用程序的團(tuán)隊(duì)提供更快，更高效的開發(fā)時(shí)間。這很好地展示了Google利用協(xié)同效應(yīng)使其與通常的競(jìng)爭(zhēng)對(duì)手AWS和Azure保持距離。