Kaomoji的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列訂位、菜單、價格優惠和問答集

說圖—語音辨識與生成對抗網路之結合應用

為了解決Kaomoji的問題，作者林柔妗 這樣論述：

深度學習中的生成對抗網路是目前世界上發展歷程最短、最新的非監督式學 習模型之一 ，於二零一四年才被美國學者 Ian Goodfellow 及其團隊提出。儘管發 展的時間不長，生成對抗網路在機器學習的應用上已經十分多元且廣泛，視覺影 像、音樂旋律等等，都是其應用範圍。而在影像領域中，目前學界有許多學者及 團隊持續進行與優化生成對抗網路應用於文字生成圖片的研究，每年都會有相關 的新模型被提出。科技發展至今，我們使用通訊軟體溝通已是日常。藉由螢幕傳遞訊息最麻煩 的莫過於不有效的溝通以及錯誤傳達的情緒，而這種狀況也會造成沒有效率的談 話或誤解。表情符號應運而生，最早發展的包括較多西方人使用的 Emo

ticon、源 於日本的顏文字;在網路基礎建設開發得更完善後，傳送圖片的能力也更好，此 時以小圖片顯示的 Emoji 也越來越普及，甚至被納入 Unicode 系統中;2013年 時，通訊軟體 LINE 開始發展大圖片顯示的貼圖，並擴展貼圖市場。及至今日， 貼圖已是許多通訊軟體重點開發項目之一。相較於以往的表情符號，貼圖人物的 表情更為豐富，也可以加上肢體動作或文字，因此能夠更有效地傳達使用者情 緒。此研究基於生成對抗網路在文字生成圖片的研究觀念與技術，結合另一深度學習應用—自然語言處理中的語音辨識，鑒於使用者對貼圖的高依賴性，以及貼圖市場的高需求度下，擴展兩深度學習模型結合應用範疇於生成表情

貼圖，以期提供使用者有更方便的使用體驗以及更個人化的貼圖選擇。此研究作為語音生成貼圖的先例，期許能激發更多相關研究。