语音小管家
近年来深度学习技术的不断发展，语音合成技术也取得了突破性进展。深度神经网络在语音和合成模型与声码器中的应用，使得端到端语音合成系统得到飞速进展。序列到序列（seq2seq）模型框架简洁，无需祯级对齐，声学时长联合建模，避免级联误差，也无需复杂文本特征。Google在2017年提出了一种新的端到端的语音合成系统Tacotron。它是一种端到端的TTS生成模型，借助深度学习模型的强表达能力，表现出惊人的合成效果。
目前国内的语音合成技术趋于成熟，落地应用也比较广泛，比如有声读物，拨号服务，语音导航等等。但是企业对语音合成候选人的要求也是极高的。既要会编程语言，还要对常见的深度学习模型有深入了解，并且要对语音合成本身的Tactron、WaveNet等系统异常熟悉。内容涉及的越广泛，大家学习周期也就越长，企业的人才缺口也会相应的增加。
并且语音合成算法工程师的薪资也极为可观，基本是30k/月起步。（是不是很心动！）
而国内高校并没有培养对应人才的学习机制，并且，真正想学习的同学，在网络上都很难搜索到系统地学习语音合成的相关资料，更别说还需要相关项目来动手实践了，终究是“巧妇难为无米之炊”。
深蓝学院特邀西北工业大学教授及博导谢磊团队讲授《语音合成：基础与前沿》课程，既讲解传统语音合成算法（祯级+信号声码器），而且讲解端到端语音合成进阶算法，最后带大家实现语音合成应用，如风格化语音合成、多说话人建模与说话人自适应技术。
在此实践中，我们将基于Tensorflow实现递归神经网络LTSM/GRU的语音合成时长与声学模型。从而将设计好的文本特征经过时长和声学模型，合成语音。
04、实现基于Tacotron的声学模型
1.本课程全面覆盖当前主流算法和模型，学习省时省力；
2.授课团队为国内知名的语音团队——西北工业大学谢磊团队；
3.理论与实践相结合。每章节课程后的都会配有相应的作业，助教1V1批改；
4.班主任带班。督促学习（告别拖延~）；
5.超优质的学习圈子。学习本课程的同学来自超牛的学校与企业。
1.掌握传统语音合成系统中文本正则化、分词、注音、韵律预测等前端子模块的作用以及基于BLSTM+CRF的方法；
2.掌握传统语音合成系统中主流后端算法，包括基于HMM/NN的统计参数模型，以及基于单元拼接的方法；
3.领悟基于Attention的序列到序列算法的思想，掌握Tacotron模型的细节；
4.深入了解更适合语音任务的Attention机制及其应用；
5.熟悉基于WaveNet的神经网络声码器以及WaveRNN和LPCNet声码器的原理。
扫码报名课程（联系咨询：18611344096）
