微軟攜手古騰堡工程 利用AI制作五千本免費(fèi)有聲書

IT之家今日（9月12日）消息，微軟近日與“免費(fèi)數(shù)字圖書館計(jì)劃”Project Gutenberg 合作，利用 AI 為電子書庫(kù)制作了超過(guò) 5000 本免費(fèi)有聲書。

據(jù)悉，在這一項(xiàng)目中，研究人員結(jié)合了機(jī)器學(xué)習(xí)、自動(dòng)文本選擇和自然語(yǔ)音合成等多項(xiàng) AI 技術(shù)，實(shí)現(xiàn)了電子書自動(dòng)轉(zhuǎn)化為語(yǔ)音的全流程。

項(xiàng)目團(tuán)隊(duì)首先開發(fā)出一種算法，可以自動(dòng)分析電子書的結(jié)構(gòu)，區(qū)分正文和非關(guān)鍵部分的頁(yè)碼、表格等，然后使用 WaveNet、Tacotron 和 FastSpeech 等文本轉(zhuǎn)語(yǔ)音技術(shù)，生成類似真人的自然朗讀語(yǔ)音。此外，該團(tuán)隊(duì)還使系統(tǒng)能夠辨別書中敘述者、對(duì)話和不同角色，并相應(yīng)調(diào)整語(yǔ)音，實(shí)現(xiàn)故事情節(jié)的語(yǔ)音表達(dá)。

微軟表示，此次計(jì)劃已收集整理了超過(guò) 35000 小時(shí)的有聲書語(yǔ)音數(shù)據(jù)，涵蓋了各類經(jīng)典文學(xué)、戲劇、傳記等作品，這些語(yǔ)音數(shù)據(jù)都將以開源方式免費(fèi)提供。用戶也可以用自己錄制的少量語(yǔ)音，生成“用自己的聲音朗讀整本書”的效果，這一項(xiàng)目相對(duì)豐富了網(wǎng)站有聲書的內(nèi)容，同時(shí)也為視障人士提供了便利。