电竞AI之听觉篇：Tacotron-2分析-Tacotron模型

前言

随着电子竞技不断被正名，近几年的热度也在不断攀升，越来越多的公司和创业者开始关注和投入到电竞生态链。从资讯、数据、赛事到工具、组建战队都可以找到不少创业公司在深耕这个领域。

今天这篇主要围绕在电竞内容，我们能通过AI技术做怎样的尝试。电竞内容抽象上说就是信息通过不同媒介呈现出来的效果，一个人可以从视觉、听觉等多个方面接收不同媒介的信息。因此在视觉上我们可以通过文字、图片甚至视频来表达电竞比赛的精彩瞬间、战队、队员的集锦或者积分排行版；在听觉上我们可以播报战报，解说比赛。

那怎样能把电竞内容做的有趣一些，而不是现在各大内容平台互相爬着无聊的文字内容。我们试想今天你想了解一场LGD对阵OG的比赛，是简单的文字内容有意思还是用may皇的声音播报出来更有趣呢？如果把生成的战报用不一样的声音播报出来，这样是不是能更加丰富电竞内容的体验？

接下来，为大家介绍google deepmind的研究成果Tacotron，text to speech的语音合成技术。

Tacotron

Tacotron-1网络模型

在介绍Tacotron网络模型前，我们先对声音等这类连续信号的处理先形成一个抽象的概念。

Seq2Seq

1. encoder-decoder处理流程

seq2seq是RNN网络中的一种特殊模型，主要可以用于以下一些场景：

• 文本翻译
• 文本语义分析
• 聊天机器人
• 图片caption生成

这类连续数据场景也被扩展到文本转语音或者语音识别的场景。宏观上我们可以理解为所有这类场景都是使用encoder-decoder的处理架构。如下图：