更多干货内容请关注微信公众号“AI 前线”，（ID：ai-front）
Google 许多产品（如 Google Assistant 语音智能助手、搜索、地图）都内置了高质量的语音合成功能，可以生成非常自然的声音。很多开发人员告诉我们，他们希望在自己的应用中添加语音合成功能，所以我们将这个技术集成到了 Google Cloud Platform 上，谓之云端 TTS。
AI 前线注：Google Cloud Platform 的官网为：https://cloud.google.com/Cloud Text-to-Speech 的官网为：https://cloud.google.com/text-to-speech/在本文中，为行文方便，Cloud Text-to-Speech 简称为云端 TTS。
云端 TTS 的使用方法可以有很多种，例如：
-
为呼叫中心提供语音应答系统，并启用实时自然语言对话；
-
让物联网设备（如电视、汽车、机器人）能够与用户交谈；
-
使用云端 TTS 时，你可以在 12 种语言和语言变体，共 32 种不同的声音中选择。云端 TTS 能够正确地读出复杂的文本，例如姓名、日期、时间和地址。云端 TTS 还可以定制音调、语速和音量增益，并支持多种音频格式，包括 MP3 和 WAV。
应用云端 TTS，你可以从 12 种语言和语言变体中，选择 32 种不同的声音。云端 TTS 能够正确地读出复杂的文本，例如姓名、日期、时间和地址。云端 TTS 还可以定制音调、语速和音量增益，并支持多种音频格式，包括 MP3 和 WAV。
AI 前线注：语言变体是一个内涵很宽泛的概念，大至一种语言的各种方言，小至一种方言中某一项语音、词汇或句法特征，只要有一定的社会分布的范围，就是一种语言变体。语言的变体受到复杂的社会因素制约，社会语言学对语言变体的研究一般认为，讲话人的社会阶级（Class）和讲话风格（Style）是语言变体的重要基础，而讲话人的性别对语言变体也产生重要影响。根据使用者来划分的变体叫方言，根据语言使用来划分的变体叫语体或语域。
尽情享用 DeepMind 新技术吧！
此外，Google 宣布，云端 TTS 还包括使用 WaveNet 构建的高保真语音的选项。WaveNet 是 DeepMind 开发的用于原始音频的生成模型，它能够合成更加自然的语音，普遍看来，相较于其他 TTS 技术，人们更喜欢 WaveNet 合成的音频。
AI 前线注：要了解 WaveNet 可参阅这篇文章：WaveNet: A Generative Model for Raw Audio（https://deepmind.com/blog/wavenet-generative-model-raw-audio/）
在 2016 年末，DeepMind 推出了 WaveNet 的第一个版本，这是一个在大量语音样本中进行训练的神经网络，能够从头开始创建原始音频的波形。在训练过程中，神经网络会提取语音的基本结构，例如，哪些音调会彼此相继，以及真实的语音波形应该具有什么样的形状。当输入给定文本时，经过训练的 WaveNet 模型会生成相应的语音波形，一次一个样本，从而实现比其他方法更高的精度。
