Google旗下人工智慧公司DeepMind釋出原音頻生成模型WaveNet相關論文，其採用以神經網路技術模擬真人聲音系統，一次性產生原始音頻訊號波形，學習多種聲音特色，如女人、男人，音樂的音訊等，且能學習人類說話呼吸及嘴唇動作，加入情感或口音，增加語音多樣性，比現今文字轉語音系統更自然、接近真人聲音。DeepMind表示，WaveNet製作原始音頻模型通常需每秒處理1萬6千個以上樣本音訊，即建立真實語音資訊必備條件。
資料來源：http://www.ithome.com.tw/news/108411
責任編輯：黃品儒（政大傳播所）