Google表示，不少開(kāi)發(fā)者向他們反應(yīng)，也想要將文字轉(zhuǎn)語(yǔ)音的功能，使用在自己的應(yīng)用上，因此他們把這項(xiàng)功能放到Google云端平臺(tái)，推出云端文字轉(zhuǎn)語(yǔ)音服務(wù)。
開(kāi)發(fā)者現(xiàn)在可以將云端文字轉(zhuǎn)語(yǔ)音服務(wù)用在語(yǔ)音回應(yīng)系統(tǒng)，像是呼叫中心（IVRs），也能在電視、汽車或是機(jī)器人等物聯(lián)網(wǎng)裝置，建置語(yǔ)音回應(yīng)功能，或是在以文字為主的媒體上，將文章與書(shū)轉(zhuǎn)成音訊。
Google云端文字轉(zhuǎn)語(yǔ)音使用了DeepMind所創(chuàng)建的聲音生成模型WaveNet，這個(gè)高傳真的人聲合成技術(shù)，可以讓電腦合成的語(yǔ)音更自然。
WaveNet是2016年DeepMind發(fā)表的技術(shù)，但是到了今日已有很大的進(jìn)步。以速度來(lái)說(shuō)，WaveNet現(xiàn)在Google的云端TPU基礎(chǔ)設(shè)備上運(yùn)作，比起初代，產(chǎn)生原始波形的速度快了一千倍，而且產(chǎn)生1秒鐘的語(yǔ)音只需要50毫秒。
除了速度提高千倍，產(chǎn)生語(yǔ)音的擬真度也得到了長(zhǎng)足的提升，WaveNet能夠建立每秒24，000樣本的高傳真波形，且采樣分辨率從原本8位元提升到了16位元，因此所得到的人聲語(yǔ)音品質(zhì)更好更自然。
Google表示，比起市面上的電腦語(yǔ)音，人們對(duì)WaveNet所合成的語(yǔ)音有更高的接受度。而在語(yǔ)音測(cè)試中，WaveNet合成的新美國(guó)英語(yǔ)語(yǔ)音，平均得分4.1，比起標(biāo)準(zhǔn)聲音好20％，也與真實(shí)人類語(yǔ)音差距減少70％
云端文字轉(zhuǎn)語(yǔ)音功能現(xiàn)在支援32種聲音12種語(yǔ)言，開(kāi)發(fā)者可以客制化音調(diào)、語(yǔ)速以及音量增益，并且能轉(zhuǎn)存為MP3或是WAV等各式音訊格式。
