Tacotron 2
يُمثل أحدث ابتكار من جوجل، Tacotron 2، قفزة نوعية في مجال توليد الكلام الاصطناعي. ينتج هذا النظام كلامًا طبيعيًا بشكل ملحوظ من النصوص، وعلى عكس الأساليب السابقة، فهو يحتاج إلى بيانات لغوية أقل بكثير للتدريب. يُجمع Tacotron 2 بذكاء بين نقاط القوة لمشروعين سابقين من جوجل: WaveNet و Tacotron الأصلي. تميّز WaveNet بقدرته على توليد صوت عالي الجودة، ولكنه كان يتطلب بيانات لغوية ضخمة. ركز Tacotron على ميزات الكلام عالية المستوى مثل النبرة، لكنه لم يكن كافياً لإنتاج منتج صوتي نهائي ومُصقول.
يُوظف Tacotron 2 كلا النهجين، باستخدام النصوص وروايتهما للاستنتاج القواعد اللغوية وإنشاء صوت طبيعي بشكل ملحوظ. وبالرغم من جودة الصوت المُبهرة في معظم الحالات، إلا أن التحديات لا تزال قائمة. يعاني النظام أحيانًا في نطق بعض الكلمات، خاصةً تلك التي تنتمي إلى لغات غير إنجليزية، كما يفتقر إلى التحكم في النبرة العامة للكلام. ومع ذلك، فإن انخفاض حاجة بيانات التدريب يُمثل إنجازاً هاماً، مما يُمكّن من إنشاء أنظمة متفوقة وسهولة دمج أساليب جديدة بدون تعديلات يدوية مكثفة للقواعد أو الحاجة إلى مجموعات قواعد جديدة للغات وأنماط الكلام المختلفة. وقد قُدّم البحث إلى المؤتمر الدولي لمعهد مهندسي الكهرباء والإلكترونيات حول الصوتيات والكلام ومعالجة الإشارات وهو متوفر على arXiv.
