有了這種直觀的圖表，即便不理解其中技術(shù)原理的人，也能夠直觀地對(duì)比不同方法性能之間的差距。

    “然后，是語音識(shí)別，T方法可將音頻頻譜轉(zhuǎn)換為文本形式。”孟繁岐點(diǎn)擊了一下幻燈片上預(yù)設(shè)好的按鈕，然后拿起麥克風(fēng)說了一長(zhǎng)串話：“語音識(shí)別的精確程度固然驚艷，但大家將會(huì)大為震撼的，其實(shí)是T方法在下一個(gè)任務(wù)上的能力。”

    非常迅速地，T方法將該段音聲轉(zhuǎn)換成了文本。由于孟繁岐刻意控制了語速和發(fā)音質(zhì)量，吐字比較清晰，因而這一次語音的轉(zhuǎn)換分毫不差。

    在場(chǎng)的人們雖然前面翻譯的部分聽得是云里霧里的，但在這里還是看得明白的，紛紛鼓掌致意。

    “接下來，我剛才所說的驚艷能力，便是語音合成能力，它同樣可以反過來根據(jù)輸入的文本生成相應(yīng)的語音內(nèi)容。”

    孟繁岐說著，直接把剛剛T方法識(shí)別出來的文本復(fù)制了一下，直接交由T方法去生成。

    很快，一個(gè)知性地女聲響起，若不是這個(gè)句子太長(zhǎng)，在幾個(gè)地方發(fā)音仍有一些瑕疵，人們幾乎不敢相信這是由電腦合成出來的聲音。

    雖然T方法在諸多任務(wù)上均取得了不小的提升，但是那些大都是在表格上對(duì)比展示，大家其實(shí)也看不懂一個(gè)點(diǎn)兩個(gè)點(diǎn)意味著什么。

    沒辦法理解其中的技術(shù)含量和突破的難度。

    但這一次語音和文本的來回轉(zhuǎn)換，則直觀了太多。

    “臥槽，他的意思是剛剛那個(gè)聲音是假的？是合成出來的？”戰(zhàn)鷹的嘴再次因驚訝而成一個(gè)O型，她最開始沒有想到這一點(diǎn)，后知后覺，半晌才回過神來。

    “我以前聽到的那種機(jī)器語音，都是冷冰冰一個(gè)調(diào)的，一開口就知道是老機(jī)器人了。孟繁岐這個(gè)效果完全不一樣啊，語音語調(diào)都有，語速、停頓的特性都和人類像了很多。要不是偶有一點(diǎn)雜聲，我都快分辨不出來了。”

    語音合成這里，孟繁岐專門對(duì)網(wǎng)絡(luò)做了許多的改動(dòng)調(diào)整，專門設(shè)置了一些音高音準(zhǔn)的調(diào)節(jié)器結(jié)構(gòu)，為得就是語音生成出來可以更像是人類在說話。

    此外，還專門做了一個(gè)全新的聲碼器，用來匹配新辦法。在一系列任務(wù)中，屬于是下了較多功夫的，效果自然非常驚艷。

    其實(shí)這個(gè)領(lǐng)域，一直以來也沒有一個(gè)特別好的指標(biāo)來評(píng)價(jià)合成出來的語音到底效果和質(zhì)量怎么樣。

    通常都是使用一個(gè)指標(biāo)叫做MOS，其實(shí)就是人類的平均打分。我找二三十個(gè)志愿者，然后讓他們盲聽一下真實(shí)的語音和幾個(gè)生成出來的版本，讓志愿者打分。

    沒想到吧，在這個(gè)深度學(xué)習(xí)飛速發(fā)展的時(shí)代，竟然還是有少數(shù)領(lǐng)域采用的是如此古老且不好控制均值方差的打分辦法。