百度表示，Deep Voice 2可以“學習數(shù)百種不同的語音，從每個說話者那里吸收的數(shù)據(jù)不到半個小時，但卻可以實現(xiàn)很高的音質(zhì)?！倍弦淮a(chǎn)品要達到類似的目的，每個聲音需要接受20小時的訓練。在短短幾個月的時間內(nèi)，該系統(tǒng)便在效率上進一步超越谷歌WaveNet。

  百度表示，與之前的TTS系統(tǒng)不同，Deep Voice 2可以完全憑借自己的能力找到進行訓練的語音之間的共同特點，不需要接受任何事先指導?！癉eep Voice可以學習并完美模仿數(shù)百種語音?！痹摴驹诓┛椭姓f。

  百度還在一篇論文中總結道，該公司的神經(jīng)網(wǎng)絡只需要通過數(shù)百個不同的講話者吸收很小的聲音樣本便可創(chuàng)作很好的語音效果。由此看來，可能要不了多久就能聽到數(shù)字語音助手用更加自然的語音與我們交流。（書聿）