9月12日消息，谷歌旗下人工智能公司DeepMind近來憋了個大招，繼AlphaGo贏了人類棋手后，他們又研制出了能夠生成模仿人類語音的系統。

據外媒介紹，該系統讓機器說話與人類說話之間的差距縮小了50%。DeepMind將這個系統命名為Wavenet。

讓人能與機器對話一直是人類希望在人工智能領域里實現的目標。但是，目前用計算機生成語音仍然大量地依賴于TTS（文本到語音）拼接技術。在這個過程中，機器首先要記錄一個說話人的聲音片段，并基于此構建超大型的數據庫，隨后，經過再次結合過程，形成完整的表達。

WaveNet改變了這種舊范式，它直接對原始聲音信號的聲浪建模，每次對一個樣本進行建模。和生成更加自然的語音一樣，使用原始的聲波意味著WaveNet能對任何音頻建模，其中包括音樂。

研究人員稱WaveNet能知道自己說的是什么。首先，研究人員通過把文本轉化成一個語言與聲學特征序列（這個序列包含了當下的聲音、字母、詞匯等），然后把這一序列喂到WaveNet中，從而能讓模型了解到自己要說什么。

DeepMind是一家專注于人工智能的公司，于2010年成立于倫敦，并在2014年被谷歌以4億英鎊(約合5.32億美元)收購。隨后，DeepMind就獲得了使用谷歌數據的權利，這對于他們訓練自己的系統意義重大。這次訓練WaveNet的數據用的就是谷歌TTS數據庫。

訓練結束后，研究人員可以把網絡數據作為樣本，產生合成的表達，進行取樣，然后用到下一個步驟的預測中。

據外媒報道，目前谷歌還沒有推出關于WaveNets的任何商業應用，因為它需要巨大的計算能力。語音正在成為人類和機器互動中越來越重要的手段，目前亞馬遜、蘋果、微軟和谷歌都在投資能讓用戶通過語音進行交互的個人數字助理。DeepMind的這項技術也受到了來自各方面的關注。（王卡卡）