偷拍性爱片上网卖,日本不卡二区,国产精品你懂得

產品

產品
資訊
資源
視頻
學院
示例

蘋果公司透露Siri新發音引擎的內部原理

原創|行業資訊|編輯：黃竹雯|2017-09-15 16:59:06.000|閱讀 542 次

概述：iPhone用戶使用自然語言向Siri提問，Siri也通過語音回答問題。Siri可以使用21種語言回答問題，遍布全球36個國家。在2017年WWDC大會上，蘋果宣布了iOS 11上的Siri將使用最新的文本語音引擎。2017年8月，蘋果的機器學習期刊透露了他們是如何讓Siri的發音更加自然的。

# 界面/圖表報表/文檔/IDE等千款熱門軟控件火熱銷售中 >>

蘋果公司透露了他們通過深度學習讓Siri的發音更加自然的內幕。

iPhone用戶使用自然語言向Siri提問，Siri也通過語音回答問題。Siri可以使用21種語言回答問題，遍布全球36個國家。在2017年WWDC大會上，蘋果宣布了iOS 11上的Siri將使用最新的文本語音引擎。2017年8月，蘋果的機器學習期刊透露了他們是如何讓Siri的發音更加自然的。

iPhone上的語音是通過拼接預先錄制的人類語音來生成的。先錄制幾個小時的語音，再把它們拆分成單詞，然后再把單詞拆成最基本的元素：音素。在生成句子的時候，系統會選擇合適的音素，再把它們拼接在一起。

為音素選擇合適的錄音是一件很有挑戰性的事情。每一個音素都要與發音相匹配，也要與相鄰的其他音素相匹配。舊系統只有幾種錄音，音素的來源很有限，所以聽起來有點不自然。于是蘋果決定使用深度學習來確定聲音單元在句子中的各種屬性。

每一臺iOS設備都包含了一個小型的預錄音素數據庫。每一份數據都包含了音頻屬性：聲音頻譜的音高和音長。一個經過訓練的“深度混合密度網絡（deep mixture density network）”用于預測每一個音素在句子中的特征。蘋果設計了一個成本函數來訓練這個網絡，著重考慮到兩個方面的問題：如何讓音素與發音相匹配以及如何讓它與句子相融合。