聲音更接近人類，Google文字轉語音AI服務再升級|數位時代 BusinessNext

聲音更接近人類，Google文字轉語音AI服務再升級

Google推出升級版Cloud Text-to-Speech文字轉語音服務，支援12種語言，並可轉換32種聲音，聲音更接近真人，目前主要有三大商業應用，其中物聯網設備溝通最具前瞻性。

文字轉語音服務，運用物聯網設備溝通、有聲書

Cloud Text-to-Speech服務支援12種語言，並可轉換32種聲音。即使是複雜的文字內容，例如姓名、日期、時間、地址等，Cloud Text-to-Speech也可以立刻發出準確且道地的發音，使用者可以自己調整音調、語速和音量，還支援包含MP3和WAV等多種音檔格式等。美商思科(Cisco)和電信商Dolphin ONE，成為前期用戶。

這服務三大商業應用。第一，是最重要、最具有前瞻性的應用：與電視、汽車與機器等物聯網設備對話溝通。第二為電話語音服務(Interactive Voice Response,IVR)中心提供語音回應系統，並啟用即時自然語言對話功能。第三將文字格式的新聞文章、書籍等媒體內容，轉為Podcast或有聲書等口語形式。

在測試過程中，使用者在1到5級的平均意見分數(Mean-opinion-score, MOS)量表中，給予新版美式英文WaveNet語音4.1分，其中有超過20%的人認為比標準的人聲更好，超過70%的人肯定能降低人類語言的隔閡。

圖／ Google

這次推出的Cloud Text-to-Speech服務，是以DeepMind團隊的WaveNet為基礎。WaveNet是一種原始音檔生成模型，運用WaveNet可以把一系列高保真度的聲音轉化為語音，2016年DeepMind團隊推出了第一版的WaveNet，最近團隊又推出升級版WaveNet，較第一版本模型所生成的原始音頻波形快了1000倍，只需50毫秒即可生成一秒鐘的語音訊息，大幅縮短系統文字轉語音的時間， 更接近和真人對話 。

提供多元機器學習服務，拉攏新手與專家

不過，文字轉語音API僅是Google眾多雲端機器學習服務之一，Google還提供多元的預先訓練好的機器學習訓練模型，如影像辨識API（Vision API）、翻譯API（Translation API）、語音辨識API（Cloud Speech API）與自然語言API（Natural Language API）等。其中影像辨識API相當受歡迎，如韓國線上購物中心Tmon運用影像辨識API，過濾電子商務網站上的影像。

不過，這些雲端人工智慧API服務，雖然非常容易使用，操作門檻不高，但客製化程度相當有限，因此Google還提供可以高度客製化，建構於TensorFlow的基礎上的Google雲端機器學習服務(Google Cloud Machine Learning)或稱為Cloud ML Engine，讓備有AI人才的企業可以專注於開發最佳的機器學習模型。

Google演算法層面的服務，已然清晰。服務層面廣泛，從機器學習入門新手到專家，提供不同操作門檻與客製化程度的工具，一網打盡。

深夜11點，多數高中生可能已經準備熄燈就寢，但新北市錦和高中的 AI 基地教室卻燈火通明。原來，錦和的老師、學生，正利用 Logitech 的會議室解決方案 Rally Board 65，和遠在美國科羅拉多州、有 17 小時時差的 Kent Denver School進行視訊。兩校學生在螢幕上熱切分享文化習俗與校園趣事，教室氣氛熱絡。

在錦和，這樣跨越時區和國界的「深夜國際教室」，並非偶一為之的特殊活動，而是透過台美教師討論規劃，有系統制度的國際交流日常。

事實上，作為新北市政府教育局認可的全新北市首間「AI科技高中」，近年來，錦和在數位轉型、科技教育上多有著墨。從生生用平板、建置全校數位互動軟體，到引進被師生譽為「移動任意門」的 Logitech Rally Board 65，錦和正以活潑、彈性的數位學習策略，重新定義未來教室的模樣。

注入數位學習DNA，翻轉傳統教學模式

但錦和的數位轉型並非一蹴可幾。早在疫情期間，錦和高中校長張純寧就意識到，數位教學不是選擇題，「因應數位浪潮、社會趨勢，我們一定得這麼做！」當時，她大刀闊斧將行政人員分組，手把手協助全校老師跨越科技門檻、熟悉線上教學，成功將「數位 DNA 」注入錦和。

如今，走進錦和的課堂，會看到生物老師利用平板搭配 AR 擴增實境技術，將圖像化為立體，讓學生直觀地觀察昆蟲解剖構造和心臟血液的流動；數學老師則透過 VR 虛擬實境，設計「密室逃脫」遊戲，讓學生在解謎中，學著邏輯推演；公民老師更帶著學生投入田野調查，將時事探討結合數位資訊，提升學習興趣。

「錦和的老師，幾乎都已經完成 AI 的增能研習。」張純寧透露，學校在將數位工具融入教學之餘，更和淡江大學合作開發專屬的「AI 倫理素養手冊」，並列為校定必修課程，目的是確保學生在擁抱 AI 的同時，也能建立正確的價值觀。

引進 Logitech Rally Board 65，打造無縫國際交流體驗

而隨著數位學習的版圖不斷擴張，近來，錦和面對的新挑戰，是為學生創造「無縫的國際交流體驗」。

為了讓學生有機會開口說外語、和世界接軌，錦和申請校園雙語計畫子計畫三，採購Logitech Rally Board 65，方便與美國、法國等國的姐妹校線上交流。但過去，要進行高規格的遠距教學，學校必須斥資打造一間固定的遠距教室，裡頭還得裝設投影機、追蹤攝影機和收音設備，不僅空間受限，設備盤點、維護也是行政人員的夢魘。

錦和高中圖書館主任吳孟仁解釋，如果讓學生一人用一台筆電視訊，只要有一位學生的設備出狀況，或是網路連線有問題，老師就必須先中斷課程，接著再像個工程師般，協助學生一一排除障礙；若採用多人在同一鏡頭前發言的模式，傳統的視訊鏡頭又無法照顧到每一個人，導致交流缺乏臨場感。

「我們要的，是一款將使用門檻降到最低、讓老師容易上手的數位工具。」張純寧指出，本學年藉由校園雙語化計畫與參與教育部高中優質化數位前導學校計畫的契機下，錦和偶然接觸到 Logitech Rally Board 65，結果意外發現，Rally Board 65 能徹底解決跨國交流的痛點。

Logitech Rally Board 65 結合 65 吋觸控螢幕與 AI 視訊技術，搭配移動式腳架，有效解決跨國交流溝通挑戰。透過 AI 與數位工具導入，學生培養跨域協作與問題解決能力，學習成果不再侷限於考試。

圖／數位時代

Rally Board 65 作為專為新世代協作而生的全功能，配有 65 吋的 4K 超高畫質觸控螢幕，還有兩支無須配對、充電的隨插即用數位筆，讓師生能輕鬆在白板上書寫、共編討論。鏡頭、麥克風和揚聲器一體成型的配置，打破了過往需要拼拼湊湊各項硬體的限制；內建的「RightSight 2」智慧取景技術，不僅能自動追蹤並清晰框選正在發言的師生，學生不再需要擠在一個小小的筆電鏡頭前，也不用傳麥克風，只要像平常聊天般自然發言即可；另外，「RightSound 2」智慧調音技術則能透過 AI 回音抑制技術，過濾背景噪音，確保討論過程不受環境音干擾，讓跨國溝通有如面對面交流般清晰。

張純寧特別提到，Rally Board 65 擺脫傳統需固定於牆面的限制，只要裝上專屬推車腳架，就能任意移動，「Rally Board 65 最大的優點，是『可攜』！讓我們隨時隨地都能在學校的任何一個地方，創造『教學角』。」她笑稱，要是學校裡多幾台這樣的設備，等於多蓋了幾間多功能教室。不僅具備高度機動性，Rally Board 65 在安裝與視角上也同樣靈活，支援桌面、壁掛等多元配置，螢幕亦可雙向翻轉，根據需求調整上下視角，輕鬆融入各種教學情境。

同時，Rally Board 65 還有「免學習」的特性，「插電就能用，老師完全不用特別學習。」吳孟仁分享，現在的台美跨國連線，即便安排在夜間11點，學校也不必指派資訊人員留守，老師自己就能輕鬆開機、主持課程，大幅提升設備的使用率與教學彈性。

軟、硬體設備的升級，最終仍要回歸學生的成長。張純寧表示，當學生具備強大的數位協作能力，並習慣在虛實整合的環境中表達自我時，「你會明顯發現，沒有學生再躲在角落了！每個人都必須、也樂於站出來展現自己。」比方說，在自然科探究與實作的全年級發表會裡，學生是以「線上共編」模式，繳出成果；原先對寫程式一竅不通的社會組學生，經過 AI 課程上的學習，現在竟然能運用 AI 工具，協助弱勢團體、公益組織開發出線上的「記帳系統」。

張純寧表示，穩定且符合使用習慣的數位工具，是支撐長時間教學與行政工作的關鍵。透過羅技鍵盤滑鼠符合人體工學的設計，在高工時及高強度的辦公室工作下，保持舒適與效率。