這幾天AlphaGo跟世界圍棋冠軍柯潔的對決，吸引了全世界的注目，人工智慧（AI）能做的事情越來越多，且正在進行一場天翻地覆的革新，透過深度學習，中國搜尋巨頭百度研發出了一套語音系統，不只可以模仿人聲還能學習不同的「口音」，這項技術正以驚人的速度前進。
連口音都能模仿！Deep Voice 2只需要半小時音檔就能學習
百度曾經推出一套可將語音轉換成文字的系統「SwiftScribe」，三個月前展示了另一套叫「Deep Voice」的文字轉語音系統，所製作出的聲音跟真人幾乎無異，還能幾乎同步的運作，目前最大的缺點，是需要好幾個小時的音檔資料建立範本，且ㄧ次只能學習一種聲音。
本周百度推出「Deep Voice 2」，不只可以模擬人聲，還能學習到一個人聲音細微的差別，駕馭上百種不同口音，最厲害的是，Deep Voice 2只需要半小時的音檔資料就能完成學習；一般讀者較為熟悉的Apple語音助理Siri已經可以做到模仿區域性口音，但Siri每學習一種新的人聲、口音，需要真人錄製上千小時的音檔資料，且工程師還需要花費很長的時間調校。
而Deep Voice 2的運作方式，則是從數百人的說話資料中找出共同特性，接著軟體再根據不同人說話的語調、口音，去調校聲音模型，過程不再需要人工手動。「給它對的資料，他們可以自己學習什麼東西是重要的。」百度AI實驗室研究科學家Andrew Gibiansky表示。
未來電子書的角色都能更有個性
在百度的想像中，除了可以讓語音助理透過不同的聲音增加個性，許多人愛聽的電子書也是一種應用領域，如此一來在聽電子書的時候，每一個角色都會有相對應的情緒、語氣，聽起來也會生動許多。
「快速合成不同人聲的能力，對於產品會產生很大的影響，像是語音助理、電子書eBook閱讀器，例如，你電子書中的每一個角色，在聽的時候每一個角色都有不同的聲音個性。」百度於官方部落格中表示。
百度並不是唯一ㄧ家涉略這項領域的科技公司，去年9月，Google的DeepMind部門發佈了一款聲音合成器「WaveNet」，透過深度學習讓聲音的品質比傳統的語音合成系統大大提升；此外也有許多新創公司的加入，上個月加拿大新創Lyrebird，展示了一套只需要一分鐘的聲音檔案，就可以模仿名人聲音的系統。
隨著聲控設備逐漸進入我們的生活，往後要讓你的Siri聽起來像小S或陳奕迅也是不無可能。
