WaveNet
La rete neurale di DeepMind del 2016 che genera l'audio un campione alla volta e ha reso le voci artificiali sensibilmente meno artificiali.
La sintesi vocale precedente univa frammenti registrati oppure pilotava un vocoder parametrico, e si sentiva. WaveNet modellava la forma d'onda stessa: ogni nuovo campione è previsto a partire da tutti i precedenti, con convoluzioni causali la cui dilatazione raddoppia a ogni strato, così che la rete vede centinaia di millisecondi nel passato. I campioni erano quantizzati con la legge μ a 256 livelli, il che trasformava il compito in una classificazione. Nei test d'ascolto colmava circa metà della distanza tra voce sintetica e voce umana.
Il problema era la velocità: un secondo di audio richiedeva all'inizio minuti di calcolo. Una variante parallela del 2017 lo risolse ed entrò in Google Assistant. L'architettura è diventata il modello per i vocoder neurali e compare in posti inattesi, come i modelli di amplificatori per chitarristi.