Компания IBM создала новый ИИ-алгоритм, который через пять минут после ознакомления с голосом собеседника, способен самостоятельно произносить любой текст его голосом.
По заверению компании, новый ИИ-алгоритм способен в режиме реального времени строить диалоги и адаптироваться к различным стилям разговора и тембрам голоса. Разработчики отмечают, что благодаря синтезу нейронной речи на основе модульной архитектуры им «удалось создать реалистичный компьютерный голос».
Система состоит из трех составных частей: предиктора функции просодии, предиктора акустических характеристик и нейронного вокодера. Совместно все три компонента позволяют максимально точно определить стиль говорящего, а также подстроить высоту и энергию подачи речи с учетом акустических искажений. По данным компании, для обучения нейросети достаточно лишь пяти минут прослушивания собеседника.
Ознакомиться с примерами звучания нового синтезатора речи можно на сайте сервиса IBM Watson.
