Dispozitive precum Amazon Echo sau Google Home respectă de obicei ordinele dacă există o singură sursă vocală. Într-o cameră plină de oameni, ei sunt inutili. Acum oamenii de știință au decis să o remedieze.
AI poate acum separa vocile multor persoane care vorbesc simultan în timp real. Acest lucru va oferi recunoașterii automate a vorbirii o dezvoltare semnificativă și în curând astfel de sisteme pot fi în ascensor la locul de muncă.
Tehnologia, dezvoltată de cercetătorii de la Laboratorul de Cercetări Electrice Mitsubishi din Cambridge, Massachusetts, a fost demonstrată pentru prima dată în această lună la Tokyo.
Ea folosește o tehnică de învățare automată numită „agregare profundă” pentru a identifica caracteristici unice în „amprenta vocală” a diferitelor persoane. Apoi grupează diferitele trăsături ale fiecărui vorbitor, permițând vocilor individuale să se distingă între ele, reconstruind cu exactitate ceea ce spune fiecare persoană. Sistemul a fost instruit pe 100 de persoane de limbă engleză, dar a ținut vocile la distanță chiar dacă persoana în cauză vorbea japoneză.
Sistemul poate separa și reconstrui vorbirea a două persoane care vorbesc într-un microfon cu o precizie de 90%. Cu trei difuzoare, precizia scade la 80%. În ambele cazuri, sistemul nu a auzit niciodată oamenii pe care i-a analizat înainte.
În testele preliminare, o astfel de IA distinge până la cinci voci simultan, iar acest lucru poate fi utilizat atât în sistemele casnice, cât și în sistemele de voce / recunoaștere automată.
Nikolay Kudryavtsev
