Abo
  • Services:

Tacotron 2: Googles Sprachsynthese erreicht fast menschliche Qualität

Für die aktuelle Version seiner Sprachsynthese aus Text kombiniert Google verschiedene Ansätze und erreicht so fast die Qualität professionell vorgelesener Aufnahmen. Das System, Tacotron 2, hat aber noch große Schwierigkeiten mit Fremdwörtern und praktische Probleme.

Artikel veröffentlicht am ,
Die neue Sprachsynthese von Google kombiniert zwei verschiedene Ansätze.
Die neue Sprachsynthese von Google kombiniert zwei verschiedene Ansätze. (Bild: Google)

In einer nur vier Seiten langen Abhandlung beschreibt ein Forscherteam von Google einen neues System für die Sprachsynthese auf Grundlage von Text (Text-to-Speech, TTS). Das Modell mit dem Namen Tacotron 2, das Google auch kurz in seinem Forschungsblog vorstellt und beschreibt, soll laut eigenen Untersuchungen fast so gute Ergebnisse liefern wie professionelle Aufnahmen, in denen Menschen Texte vorlesen. Diese Qualität dürfte bisher völlig unerreicht sein.

Stellenmarkt
  1. GRAMMER AG, Kümmersbruck bei Amberg
  2. FC Basel 1893 AG, Basel (Schweiz)

Für dieses Ergebnis kombiniert das Forscherteam von Google gleich zwei relativ junge und vergleichsweise sehr fortschrittliche Arbeiten auf dem Gebiet des maschinellen Lernen zur Spracherzeugung. Dazu gehört einerseits Tacotron in Version 1, das Google erst in diesem Frühjahr vorgestellt hat sowie Wavenet, das aus dem Google-Schwesterunternehmen Deepmind stammt und inzwischen in Googles Assistant genutzt wird.

Aus zwei mach eins

Tacotron 1 nutzt als Ausgangslage, um das Modell zu trainieren, Paare aus Text und dazugehörigem Audiomaterial. Die Aufnahmen stammen von einer professionellen Sprecherin des North-American-English. Dies wird für einen Ende-zu-Ende-Ansatz genutzt, sodass die Sprachausgabe direkt aus einer gegebenen Sequenz von Buchstaben synthetisiert werden kann. Dank einer speziellen Trainingsmethode mit einer Postprocessing-Phase erzeugt Tacotron auch besser aufgelöste Harmoniken und Formantenstrukturen bei hohen Frequenzen, was wiederum Artefakte bei der tatsächlichen Synthese verringern soll.

Wavenet ist darauf ausgelegt, direkt eine Wellenform für Sprache zu erzeugen, was durch ein Training auf entsprechendem Audiomaterial basiert. Wavenet lernt aus diesen Beispielen wiederum selbstständig und theoretisch auch sprachunabhängig die eigentliche Struktur der gesprochenen Sprache, "also etwa, welche Töne aufeinander folgen und welche Wellenformen realistisch sind (und welche nicht)".

Für Tacotron 2 wird nun ein Sequence-to-Sequence-Modell genutzt, das aus einer gegebenen Sequenz von Buchstaben eine Sequenz von Eigenschaften erzeugt, die das gewünschte Audiosignal kodieren. Gespeichert wird dies in einem Mel-Frequenz-Spektrogramm, was also psychoakustische Signale enthält, die nicht nur die gewünschte Aussprache repräsentieren, sondern auch Lautstärke, Geschwindigkeit oder auch Betonung.

Eine modifizierte Version von Wavenet erzeugt aus diesem Spektrogramm das zur Ausgebe vorgesehene Audiosignal. Die so erstellte Sprachsynthese vereint die Prosodie-Fähigkeiten von Tacotron mit der Audioqualität von Wavenet.

Ausgezeichnete Qualität mit Ausreißern

Mit einem extrem guten Mean Opinion Score (MOS) von 4,53 erreicht das Modell sogar annähernd die Qualität, mit der auch die professionellen Sprachaufnahmen im Mittel bewertet werden. Von der Güte des Modells können sich Interessierte selbst überzeugen, da Google einige Synthese-Beispiele bereitstellt.

Das Unternehmen geht aber auch selbstkritisch auf Mängel des Systems ein. Probleme hat Tacotron 2 derzeit zum Beispiel noch mit Fremdwörtern wie etwa der Weinsorte Merlot. Im Extremfall werde sogar nur zufälliges Rauschen erzeugt. Problematisch für eine praktische Anwendung ist auch noch, dass das Modell nicht in Echtzeit synthetisieren kann, ebenso wenig könnten Stimmungen über das Sprachsignal ausgedrückt werden. Traurig oder glücklich klingt die Stimme also nie, sondern immer gleich. Das alles seien aber Möglichkeiten für weiter Forschungsarbeiten, so Google.



Anzeige
Blu-ray-Angebote
  1. 34,99€

ashahaghdsa 22. Dez 2017

Wenn die hierzu den Code veröffentlichen, dann musst du nur einfach einen Amiga 200...

Chrizzl 22. Dez 2017

Ja, echt jetzt :D

Christian72D 22. Dez 2017

Ich würde ZU gerne mal profesionelle Sprecher hören die die beiden Zungenbrecher vorlesen...

Dromedarius 21. Dez 2017

Durch den End-To-End-Ansatz sind aber andere Sprachen an sich kein Problem mehr. Es muss...


Folgen Sie uns
       


Lenovo Yoga Book C930 mit E-Ink-Display ausprobiert (Ifa 2018)

Ein Convertible mit E-Ink-Display - das Yoga Book C930 ist ein Hingucker, aber wie bedient es sich? Wir haben es ausprobiert.

Lenovo Yoga Book C930 mit E-Ink-Display ausprobiert (Ifa 2018) Video aufrufen
Lenovo Thinkpad T480s im Test: Das trotzdem beste Business-Notebook
Lenovo Thinkpad T480s im Test
Das trotzdem beste Business-Notebook

Mit dem Thinkpad T480s verkauft Lenovo ein exzellentes 14-Zoll-Business-Notebook. Anschlüsse und Eingabegeräte überzeugen uns - leider ist aber die CPU konservativ eingestellt und ein gutes Display kostet extra.
Ein Test von Marc Sauter und Sebastian Grüner

  1. Thinkpad E480/E485 im Test AMD gegen Intel in Lenovos 14-Zoll-Notebook
  2. Lenovo Das Thinkpad P1 ist das X1 Carbon als Workstation
  3. Thinkpad Ultra Docking Station im Test Das USB-Typ-C-Dock mit robuster Mechanik

Gesetzesentwurf: So will die Regierung den Abmahnmissbrauch eindämmen
Gesetzesentwurf
So will die Regierung den Abmahnmissbrauch eindämmen

Obwohl nach Inkrafttreten der DSGVO eine Abmahnwelle ausgeblieben ist, will Justizministerin Barley nun gesetzlich gegen missbräuchliche Abmahnungen vorgehen. Damit soll auch der "fliegende Gerichtsstand" im Wettbewerbsrecht abgeschafft werden.
Von Friedhelm Greis


    Elektroroller-Verleih Coup: Zum Laden in den Keller gehen
    Elektroroller-Verleih Coup
    Zum Laden in den Keller gehen

    Wie hält man eine Flotte mit 1.000 elektrischen Rollern am Laufen? Die Bosch-Tochter Coup hat in Berlin einen Blick hinter die Kulissen der Sharing-Wirtschaft gewährt.
    Ein Bericht von Friedhelm Greis

    1. Neue Technik Bosch verkündet Durchbruch für saubereren Diesel
    2. Halbleiterwerk Bosch beginnt Bau neuer 300-mm-Fab in Dresden
    3. Zu hohe Investionen Bosch baut keine eigenen Batteriezellen

      •  /