人工智能现在惊人地擅长于听起来人类

合成声音无处不在。他们会在早上为我们提供指示，在白天通过电话引导我们，并在晚上通过智能扬声器播报新闻。随着用于制作它们的技术的改进，这些声音也变得越来越人性化。这是合成语音的最后一个领域：不仅复制我们所说的内容，而且复制我们怎么说的方式。鲁帕尔·帕特尔（Rupal Patel）领导东北大学的一个研究小组，研究语音韵律-我们用来通过语音传达意图和情感的音调，响度和持续时间的变化。 “有时人们将其视为锦上添花，”她解释。 “您有了消息，现在这是您如何调制该消息，但我真的认为这是使消息本身具有意义的支架。”帕特尔（Patel）说，在发现韵律是语音交流的唯一元素之后，她对韵律越来越感兴趣。这些患者即使无法清晰地说出声音，也能够表达自己的声音。在2014年，Patel成立了一家公司，为不说话的人制作定制的合成声音。此后，VocaliD已扩展到商业品牌和影响者。多年来，合成语音已经走了很长一段路。 Siri九岁时是最老的虚拟助手-但在语音机器世界中，她还是个婴儿。至少从18世纪开始，人们就一直在尝试合成语音，当时奥匈帝国的一位发明家制造了人类声道的粗略复制品，可以表达整个短语（尽管是单调的）。当前的机器学习技术可以为人类语音建模，并具有笨拙的停顿和嘴唇sm打的感觉。不过，对于大多数现实系统而言，每秒进行数千个样本的训练是非常昂贵的。研究人员，包括VocaliD的研究人员，都在不断实施更新，更有效的方法。但是，即使人类和人工合成语音之间的剩余距离正在逐步缩小，真正栩栩如生的韵律仍然无法被最先进的系统所接受。也许仍然缺少的东西要求机器不仅要模仿人类，而且要像我们一样。