AD
和讯科技 10月25日消息，官方尚未发布，百度悄然发布Deep Vioce 3暨最终版。并表示，该版本可以每次只用半小时，学习2500种声音。
Deep Vioce是百度在今年早些时候发布的一个新系统，它利用人工智能的深度学习技术，来将文本转换到语音。
刚推出第一版的时候，系统仅能够产生短句，并且声音听上去并不接近于人声。效率上，每次学习一个声音，并需要数小时来掌握数据。
到了今年5月推出的第二版，Deep Vioce 2将学习一个声音的时间缩短到一个半小时，并且一个系统可以学习数百种不同的口音。今天，该文字转语音（TTS）AI再次升级，尽管百度官方还没有宣布此事，但相关论文已经发布在arXiv上。
Deep Vioce 3是基于注意力的全卷积神经TTS系统，与目前最先进的Tacotron系统相比，Deep Vioce 3训练速度提高了10倍。另外，百度在Deep Voice 3上，使用了来自超过2000个声源、长达800多个小时的音频进行训练。
事实上，百度试图在做一个可以掌握多重口音或声音细微差别的系统。虽然目前声音的数量限制于2500，但团队表示，未来版本或可以掌握1万甚至更多。
百度表示：“拥有能够有效地产生各种声音的系统，为许多不可想象的应用和打开了大门。例如，音视频游戏中的每个角色将具有自己独特的声音，以提高用户体验。我们相信，通过使用大量高质量的数据集训练附加的机器学习工程，系统质量将在不久的将来以大大增加。”
