Технология, разработанная учеными Принстонского университета, способна вносить изменения в аудиозапись речи так же, как текстовый редактор исправляет опечатки, добавляет слова или меняет их на синонимы. В перспективе технология позволит роботам разговаривать по-человечески и вернет естественное звучание компьютерному голосу Стивена Хокинга и других людей, лишенных возможности говорить.
Программа VoCo предлагает легкий способ добавлять или менять слова в аудиозаписях, редактируя ее транскрипцию. Новые слова автоматически синтезируются и вставляются в речь, даже если точно таких слов в записи не было.
Такая система, основанная на алгоритме глубокого обучения и воспроизведения звука, может существенно облегчить обработку видеоматериалов и подкастов. А в перспективе — стать основой для придания естественного звучания голосам роботов.
На экране компьютера пользовательский интерфейс VoCo выглядит похожим на программы редактирования аудиофайлов вроде Audacity или GarageBand. Есть окно с визуализированной кривой аудиотрека и инструменты редактирования. Однако, есть и отличия: записанные слова можно изменить, удалить или вставить новые. После этого VoCo синтезирует речь заново, переписывая файл.
![](https://hightech.fm/wp-content/uploads/2018/10/27739.jpg)
«Смыслом жизни бесполезного класса станут компьютерные игры»
Мнения
Сердцевину VoCo составляет алгоритм оптимизации, умеющий находить лучшую комбинацию фонем, из которых можно составить любое слово. И для этого не обязательно искать фонемы, произнесенные голосом автора — машина может «сшить» их из обрывков звуков и вставить в речь так, что «швов» будет незаметно. Ударение и интонация также сохраняются.
Во время испытаний речь с вкраплениями искусственных фонем давали прослушать группе респондентов. В 60% случаев они принимали ее за полностью человеческую речь, сообщает EurekAlert.
«К нам обратился человек, страдающий от нейродегенеративного заболевания, который мог говорить только через систему преобразования текста в речь, которой он управлял движениями век, — рассказывает один из авторов разработки Цзэюй Цзинь. — Голос его звучал механически, как в устройстве, которое использует Стивен Хокинг. Но он хотел, чтобы его маленькая дочь могла услышать его настоящий голос. Однажды станет возможно проанализировать его прошлые записи и создать на их основе аппарат, который будет говорить его голосом».
![](https://hightech.fm/wp-content/uploads/2018/10/27436.jpg)
7 предсказаний Билла Гейтса, которые должны сбыться
Мнения
Программу быстрой расшифровки аудиофайлов формата .wav и .mp3 представил недавно китайский поисковик Baidu. Время ее работы сокращено в 1,67 раз по сравнению с аналогами. Пока SwiftScribe работает только с английским языком и бесплатно, но в будущем ее собираются монетизировать.