说起诸多技术路线，孟繁岐也感到非常烦躁。
刚重生回来的时候，他已经把自己比较熟知，不依赖数据和硬件的知名技术薅了一大圈了，发了接近十篇优质论文。
“剩下的技术里面，现在对我比较关键的，不是像阿尔法fold那样需要大量蛋白质数据，就是像chatGpt那样需要海量未来硬件和先进分布框架的。”
“每次刚开始，推进还没多少，就会遭遇瓶颈，不得不先去做别的事情，真是烦啊，这些东西都需要时间。”
既然要做序列到序列的语言任务，那还是得回谷歌大脑，以伊利亚为首的一票人研究这方面已经有一段时间了。
孟繁岐偷偷溜达回了谷歌大脑的办公室，发现伊利亚等人的确正在处理序列到序列类型的任务，其实主要还是上次孟繁岐本该接下的翻译任务。
“哈哈哈，这个任务最后还是到了你手里啊。”
孟繁岐记得伊利亚对这个任务不是特别感冒，没想到最后还是他来负责。
“我其实也并不是不想做翻译类的任务，序列到序列类型我是很感兴趣的，我只是单纯不喜欢那种其他部门有什么需求，我们就必须得做的工作模式罢了。”
伊利亚头都没抬起来，光从语气中就猜了出来孟繁岐到底是什么意思。
“我觉得真正想要做出好的研究，还是很需要兴趣的。”
“怎么样，有什么我能帮上忙的吗？”
翻译任务属于语言任务的一种，是chatGpt功能的一部分，孟繁岐也算是比较了解。
“这边我们已经做得差不多了，你如果想帮忙的话，倒是可以处理一下文字到语音的问题。”
现在的许多翻译页面，都会同时提供一个文本发音的功能，只是现在这个阶段还比较粗糙。
这是很合理的需求，用户使用翻译很多时候不仅仅是为了理解意思，想要学习读音也是非常正常的现象。
而从文字到语音的转换过程，被称为ttS(text-to-speech)技术。译为文本转语音，是一种能把文字内容转换为语音输出的技术。
chatGpt则是文本到文本技术，内容的性质没有发生改变。
这样对比起来，乍一看似乎文本转语音要复杂一点，因为输入和输出的种类都不同了。
chatGpt是根据文本回应文本，ttS则需要根据输入文本去输出波形从而表达声音。
但事实上难度的是完全反过来的，并且ttS技术要容易不少，因为它并不需要理解文本本身的含义，chatGpt则需要理解文本本身的意义，并进行合理的回应。
“文本首先需要一套语言学标注系统，将文本分词，然后标注音素音节和单词级别的信息，用以最后去合成语音。”
孟繁岐大概确认了一下现在常用的传统办法的水平：“目前的语音主要是基于语音库，这个库里存放了大量的文本和它的对应音频。这就像是素材库，根据需求把素材拿出来拼在一起。”
“最简单的办法，就是拼接合成。用标注系统跑一下输入的文本，得到了一大串语言学的标注。得到标注之后，直接从语音库里找对应的音频拼起来就好了。”
“现在步入了深度学习时代，完全可以用新做法了。比如，我可以直接用深度网络学习文本到声学特征的对应关系，这样就不再需要去标注文本了，不过最后还是需要声码器。”
语言相关的任务，万物皆可序列到序列，输入是一个序列，输出也是一个序列，其中的许多原理都是相通的。
只是做这件事情不能够再用传统的循环网络和长短期记忆办法了，那样有点跟不上节奏。
孟繁岐要将上次搜索引擎中已经加入的雏形transforr方法彻底实现完成，并发布出去。
Gpt的t方法是时候作为论文正式出现了！