亞馬遜網(wǎng)絡(luò)服務(wù)公司(Amazon Web Services Inc.)正在接管Google LLC的人聲復(fù)制功能，今天為亞馬遜波利(Amazon Polly)添加了兩項新功能，這是一項基于云的服務(wù)，可將文本轉(zhuǎn)換為逼真的語音，并用于創(chuàng)建可以通話的應(yīng)用程序。

新功能的第一個功能稱為“神經(jīng)文本語音轉(zhuǎn)換”，亞馬遜表示，該功能通過增強(qiáng)合成語音的“自然”和“表現(xiàn)力”，在語音質(zhì)量上實現(xiàn)“顯著改善”。

關(guān)于神經(jīng)文本語音轉(zhuǎn)換的一大優(yōu)點是，由于亞馬遜去年在研究論文中提到的一種新的人工智能模型，它只需訓(xùn)練幾個小時就可以學(xué)習(xí)新的口語風(fēng)格。該模型通過將大量標(biāo)準(zhǔn)的中立語音與目標(biāo)說話風(fēng)格的幾個小時的其他語音數(shù)據(jù)相結(jié)合而起作用?？梢愿鶕?jù)需要添加新的補(bǔ)充數(shù)據(jù)，以創(chuàng)建各種其他語音樣式。

AWS傳福音者朱利安·西蒙(Julien Simon)在博客中寫道，使用Neural-Text-To-Speech的基本算法，亞馬遜創(chuàng)建了第二個新功能，這是新聞播音員式的聲音，使敘事聲音在閱讀新聞和類似內(nèi)容時“更加逼真”。發(fā)布。

西蒙說：“語音質(zhì)量當(dāng)然很重要，但是要使合成語音更加逼真和引人入勝，還可以做更多的工作。” “風(fēng)格呢?可以肯定的是，人耳可以分辨出新聞廣播，體育廣播，大學(xué)課程等等之間的區(qū)別。實際上，大多數(shù)人在正確的語境中采用正確的言語風(fēng)格，這無疑有助于傳達(dá)他們的信息。”

西蒙說，包括“環(huán)球郵報”，“大不列顛百科全書”和TIM Media在內(nèi)的組織已經(jīng)在使用Polly的新聞廣播風(fēng)格。此功能也已引入支持Amazon Alexa的設(shè)備，該設(shè)備用于敘述每日新聞簡報和類似內(nèi)容。

亞馬遜表示，新聞播音員風(fēng)格有兩種英語配音，而“神經(jīng)文本語音轉(zhuǎn)換”有11種配音，其中包括三種英國英語配音和八種美國配音。所有聲音均實時且以批處理模式工作，并且可以從亞馬遜的美國東部(弗吉尼亞北部)，美國西部(俄勒岡)和歐洲(愛爾蘭)AWS地區(qū)訪問。

Constellation Research Inc.分析師Holger Mueller表示，Amazon Polly的更新表明，所有主要的平臺即服務(wù)公司總體上都對聊天機(jī)器人和對話界面越來越重視，因為這些平臺正在迅速改變客戶和員工的體驗。

“憑借這些新功能，亞馬遜專注于對話平臺的三個重要部分之一，即語音輸出，”穆勒說。“它在制作軟件創(chuàng)建的語音方面取得了令人印象深刻的進(jìn)步，但我們必須看到企業(yè)采用新功能的速度如何。”

Amazon Polly與 Google的Text-to-Speech服務(wù)相抗衡，后者由其WaveNet框架提供支持，目前提供21種語言的57種語音樣式。微軟公司還提供了一種類似的服務(wù)，稱為Azure語音服務(wù)API，它提供75種標(biāo)準(zhǔn)語音和3種AI生成的語音。