Google DeepMind 发布 WaveNet 原始音频生成模型

Google DeepMind 研究人员介绍 WaveNet，一种逐样本直接建模原始音频波形的深度生成模型，可生成语音和音乐。作者称，在英语和普通话测试中，WaveNet 将现有语音合成系统与人类表现之间的差距缩小逾 50%；其自回归采样计算成本较高，语音合成还需输入文本特征。