66读书

第10章 电子声带（第2页）

“这是大家投票决定的。”谢晋揶揄地看过来。

不知为何，被点破心思之后，他反倒觉得楼清焰有点亲切。

“还行，挺自然的。”

“这是AI算法的功劳。”谢晋说，“我们设计了一种深度学习算法，软件会对音源库进行特征提取，用提取出来的特征信息进行训练，最终，为每组音源库生成独一无二的数据模型。基于这个模型，合成语音会自然许多。”

“这还不是最理想的。最理想的那种合成语音，不用组合人声，是凭借AI算法的高智能，凭空生成声音。不过……”

“不过你们没这个技术。”楼清焰说。

他想了想，描述道：“声音的本质是震动，在音响里就是膜片的震动，这种震动由电磁场引起，而电磁场的控制方式，是线圈通不通电。通电为1，不通电为0。”

“所以，计算机声音的本质是一串二进制数，是不同排列组合的1和0。这叫做数字信号。”

“最理想的语音合成，不是组合音节，而是直接组合数字信号。”

楼清焰：“我说的对吗。”

谢晋实实在在地惊讶了。

他一直以为楼清焰是个不学无术的纨绔，就算所有人都搞懂了计算机原理，他也不可能搞懂的那种。

没想到他真的懂。

楼清焰还没说完，他继而道：“理论上，AI软件通过深度学习，可以掌握数字信号的规律，构建一个数据模型，再基于模型生成语音。”

“但是，这需要一个大前提——机器学习算法能直接从数字层做特征提取。”

他问道：“能吗？”

谢晋服了，这人为啥总是一下子问到最关键的地方。

“现在确实没这个技术。我们设计的特征提取算法，主要瞄准声音的波形表现，频率、相位这些。”他简单地说。

楼清焰又说：“不止缺这一个技术吧。做了特征提取，知道怎么归纳总结吗？知道怎么训练模型吗？会写算法吗？设想过这个计算量有多庞大吗？”

谢晋：“……”

楼清焰发觉有点说过了，遂拍拍他肩膀，鼓励道：“不过你们已经做得很好了，能达到这个程度非常了不起……嗯，下一步工作是什么？”