Con el nuevo sistema, el sistema, que puede aprender unas 100.000 palabras con media hora de datos, puede hacer discursos que no se pueden distinguir de la voz humana.
El gigante de búsqueda chino Baidu introdujo un nuevo sistema llamado ‘DeepVoice’ a principios de este año. Utilizando el aprendizaje profundo, una popular técnica de inteligencia artificial, el sistema tenía como objetivo crear un sistema que convierte textos escritos en voz. La primera versión del sistema podía generar oraciones cortas casi indistinguibles del habla humana real. Este sistema podía aprender un sonido a la vez y necesitaba horas de datos para dominar cada sonido.
Presentado en mayo, DeepVoice 2 había alcanzado la etapa en la que podía imitar una voz con media hora de datos y podía aprender cientos de acentos diferentes. Baidu está lanzando la tercera y última versión de DeepVoice hoy. Según la compañía, esta versión puede aprender 10.000 voces diferentes en solo media hora de pila de datos. Baidu dijo en un comunicado: “La capacidad de reproducir de manera efectiva una amplia gama de sonidos trae consigo muchos usos. Por ejemplo, cada personaje de un audiolibro o videojuego se puede usar con su propia voz única para brindar una experiencia de usuario más rica”.
Lo que Badiu está tratando de hacer es idear un sistema que pueda dominar las diferencias de matices entre varios acentos o caracteres. “Este estudio es el primero en demostrar la posibilidad de la aplicabilidad del sistema. Nuestro sistema da vida a la educación en una medida y eficacia que no se podía lograr en los modelos basados en texto-habla publicados anteriormente. Creemos que podemos mejorar aún más esta calidad en un futuro próximo mediante el uso de conjuntos de datos en gran parte de alta calidad con métodos adicionales de ingeniería de aprendizaje automático”.
Fuente: https://www.theverge.com/2017/10/24/16526370/baidu-deepvoice-3-ai-text-to-speech-voice
