来源，麻省理工学院技能评论(2019)

谷歌的人工智能现在可以翻译你的演讲同时保持你的声音_音频_措辞 云服务

传统的翻译系统将音频转换成文本，翻译文本，然后对音频进行再合成，在过程中失落去了原始语音的特色。

我的性感又有帅气声音，人工智能秀一下，翻译出来成了哔哔哔，机器人的有木有！

现在谷歌新系统来了，它有三个组件构成，第一个组件是经由演习的神经网络，将输入措辞中的音频频谱映射到输出措辞中的音频频谱。
第二个部组件是将谱图转换成可播放的音频波。
末了第三个组件可以将说话人的声音特色传回终极的音频。

这种方法不仅保留主要的个人语音特质，而且在理论上也只管即便减少了翻译缺点，由于它将翻译的任务缩减到更少的步骤。

在测试过程中，研究职员目前还只试用了从西班牙文到英文的翻译系统，但该系统已经网络了大量的各种措辞数据，商业潜力巨大。