目前文字转语音的技术已相当普及，由于应用范围广泛，不少科技公司努力开发新技术，带来更自然流畅的效果。最近微软就开发出只需少量训练就可运作的人工智能语音技术。
目前文字生成语音技术需要大量资料去训练调整，才能达到自然效果，不过微软最近开发的人工智能技术，可用 200 个声音标本，也就是约 20 分钟录音，自动生成拟真度高的语音，比传统技术节省不少时间。此次采用深度神经网络技术，直接将输入文字连接到声音库，生成语音更有效率，即使较复杂的文字也可快速生成。
据研究人员指，虽然现在技术生成的语音仍未臻完美，但可读性已达 99.84%，意味大多数情况下，语音都可正确理解。新技术将让文字生成语音的技术门槛大幅降低，就算是中小型公司，都可简单制作自己的语音系统，无需投入大量资源。不过目前微软仍然未推出使用这技术的相关产品，距离正式推出相信仍有一段时间。
- Microsoft’s AI generates realistic speech with only 200 training samples
（本文由 Unwire Pro 授权转载；首图来源：微软）
