这是一种训练神经网络的新方法，可以在几乎没有任何语法专业性的情况下从文本中生成演讲 … 这项新技术利用了谷歌此前在语音生成方面最强大的两种技术：WaveNet 和第一代 Tacotron … Tacotron 则综合了更多高级特性，例如语调和韵律，但并不能生成最终的演讲音频。