微軟利用AI技術使文字轉語音只需20分鐘

　　文字到語音的轉換正變得越來越簡單，但有一個問題：仍然需要大量的培訓時間和資源來生成自然聲音輸出。微軟和中國的研究人員可能有一個更有效的方法。他們設計了一種文字到語音的人工智慧，只需200個語音樣本（約20分鐘）和匹配的轉錄，就能生成逼真的語音。

　　該系統部分依賴於變壓器，或深度神經網路，大致模擬大腦中的神經元。變壓器像突觸連結一樣，動態地衡量每一個輸入和輸出，幫助它們非常高效地處理即使是很長的序列，比如一個複雜的句子。再加上一個去噪編碼器元件，人工智慧可以用相對較少的資源做很多事情。

　　這一結果並不完美，雖然有輕微的機器人聲音，但它們非常準確，文字的清晰度為99.84%。更重要的是，這可以使文字到語音更容易訪問。你不需要花太多精力去獲得真實的聲音，讓小公司甚至業餘愛好者都能做到。這對未來也是一個好兆頭。研究人員希望對不匹配的資料進行訓練，因此創造現實對話所需的工作可能更少。