deep voice 2是款由百度進(jìn)行研發(fā)推出的語(yǔ)音系統(tǒng)；它支持用戶(hù)快速的模擬出您說(shuō)話的聲音，而且?guī)缀跻呀?jīng)接近真人的模擬，并且這款新的版本取得了很大的進(jìn)步，使得軟件和人的聲音更加的接近，還支持對(duì)不相同的口音進(jìn)行模擬，可學(xué)習(xí)幾百種不同的運(yùn)用，并且使用操作是相當(dāng)?shù)目旖?，進(jìn)行說(shuō)話到吸收數(shù)據(jù)幾乎不到半個(gè)小時(shí)，音質(zhì)等也是相當(dāng)?shù)母?，需要的朋友趕快這河?xùn)|軟件園將百度語(yǔ)音系統(tǒng)(deepvoice2)下載來(lái)使用試試吧！

軟件功能

　　1. Deep Voice對(duì)所有文字到語(yǔ)音管道的全過(guò)程中都使用了深度學(xué)習(xí)。

　　先前TTS（文本到語(yǔ)音）系統(tǒng)在不同組件使用了深度學(xué)習(xí)，但在Deep Voice之前，沒(méi)有團(tuán)隊(duì)對(duì)整個(gè)系統(tǒng)采用深度學(xué)習(xí)。

　　2.需要非常少的特征工程，因此易于應(yīng)用于不同的數(shù)據(jù)集。

　　與傳統(tǒng)管道相比，通過(guò)使用深度學(xué)習(xí)能夠避免大量的特征處理，這使得深度語(yǔ)音更加適用于不同的問(wèn)題領(lǐng)域。另外比傳統(tǒng)的TTS系統(tǒng)的訓(xùn)練周期更短，大大縮減了模型的訓(xùn)練時(shí)間，從之前的幾周時(shí)間下降到幾個(gè)小時(shí)即可完成訓(xùn)練。

　　3. 比目前最優(yōu)的系統(tǒng)快很多，被設(shè)計(jì)用于生產(chǎn)系統(tǒng)。

軟件特色

　　北京時(shí)間5月26日早間消息，據(jù)美國(guó)科技媒體Engadget報(bào)道，百度的DeepVoice TTS系統(tǒng)取得了巨大進(jìn)步，與人類(lèi)的聲音更為接近，甚至可以精準(zhǔn)模仿不同地區(qū)的口音。

　　百度表示，Deep Voice 2可以“學(xué)習(xí)數(shù)百種不同的語(yǔ)音，從每個(gè)說(shuō)話者那里吸收的數(shù)據(jù)不到半個(gè)小時(shí)，但卻可以實(shí)現(xiàn)很高的音質(zhì)。”

　　而上一代產(chǎn)品要達(dá)到類(lèi)似的目的，每個(gè)聲音需要接受20小時(shí)的訓(xùn)練。

　　在短短幾個(gè)月的時(shí)間內(nèi)，該系統(tǒng)便在效率上進(jìn)一步超越谷歌WaveNet。

　　百度表示，與之前的TTS系統(tǒng)不同，Deep Voice 2可以完全憑借自己的能力找到進(jìn)行訓(xùn)練的語(yǔ)音之間的共同特點(diǎn)，不需要接受任何事先指導(dǎo)。

　　“Deep Voice可以學(xué)習(xí)并完美模仿數(shù)百種語(yǔ)音。”該公司在博客中說(shuō)。

　　百度還在一篇論文中總結(jié)道，該公司的神經(jīng)網(wǎng)絡(luò)只需要通過(guò)數(shù)百個(gè)不同的講話者吸收很小的聲音樣本便可創(chuàng)作很好的語(yǔ)音效果。

　　由此看來(lái)，可能要不了多久就能聽(tīng)到數(shù)字語(yǔ)音助手用更加自然的語(yǔ)音與我們交流

使用說(shuō)明

　　我們目前的管道還沒(méi)有端到端,由一個(gè)音素模型和一個(gè)音頻合成組件。下面的剪輯合成從文本與我們整個(gè)管道。這里有兩個(gè)話語(yǔ)隨機(jī)選取的。

　　聲音來(lái)自于管道機(jī)器人的本質(zhì)結(jié)構(gòu)和音素模型;音頻合成組件單獨(dú)生成更自然的剪輯。以下是使用音頻剪輯合成模塊,但使用特性從地面真理音素模型的音頻相反。這些樣本聲音非常接近原始的音頻,表明我們的音頻合成組件可以復(fù)制人的聲音非常有效。

　　以下是地面真理上面的話語(yǔ)。深度學(xué)習(xí)已徹底改變了許多領(lǐng)域,如計(jì)算機(jī)視覺(jué)和語(yǔ)音識(shí)別,和我們現(xiàn)在認(rèn)為語(yǔ)音相似的臨界點(diǎn)。我們很興奮地看到深度學(xué)習(xí)社區(qū)能想出,希望加快可再生的詳細(xì)地分享我們的整個(gè)語(yǔ)音合成系統(tǒng)。

　　具有時(shí)間池和三重?fù)p失余弦相似性的基礎(chǔ)上。我們探索了卷積模型和回歸模型RESNET提取聲學(xué)特征。

　　三個(gè)不同的數(shù)據(jù)集，包括文本依賴(lài)和文本無(wú)關(guān)的任務(wù)，我們證明了深度揚(yáng)聲器的有效性。他們中的一個(gè)（UID）包括250000揚(yáng)聲器，這是最大的文獻(xiàn)中我們最好的知識(shí)。實(shí)驗(yàn)表明，深者明顯優(yōu)于基于DNN空間因子的方法。例如，深揚(yáng)聲器實(shí)現(xiàn)了100的揚(yáng)聲器驗(yàn)證和準(zhǔn)確率為92.58%的說(shuō)話人識(shí)別之間的隨機(jī)抽樣的候選人在文本無(wú)關(guān)的數(shù)據(jù)集的平等錯(cuò)誤率（能效比）為1.83%。這是一個(gè)50%的能效比降低和60%精度的改善相對(duì)于基于DNN的空間因子的方法。

　　合成流程 - 將新的文本轉(zhuǎn)換為語(yǔ)音

　　現(xiàn)在來(lái)看看Deep Voice如何處理一個(gè)簡(jiǎn)單的句子，并將其轉(zhuǎn)換為音頻。流程將具有以下架構(gòu)：

　　基頻預(yù)測(cè)

　　音頻合成

常見(jiàn)問(wèn)題

　　可以拿來(lái)做什么？

　　1 做應(yīng)用程序的提示聲

　　2.學(xué)習(xí)如何調(diào)用百度語(yǔ)音合成

　　3.拿來(lái)玩，拿來(lái)玩，拿來(lái)玩，就拿來(lái)玩...