Asistenții virtuali și sistemele de recunoaștere vocală au învățat să „recunoască” ceea ce le spune o persoană și să urmeze comenzile sale. Dar pentru funcționarea corectă a aceluiași Siri și Cortana, zgomotul străin poate fi o mare problemă. Experții Mitsubishi Electric vă pot ajuta să faceți față acestui defect tehnic, care a prezentat o nouă tehnologie pentru separarea vorbirii unei persoane de zgomotul general.
Tehnologia companiei japoneze se numește Deep Clustering, a cărei funcționare se bazează pe principiile învățării automate. Pentru început, inteligența artificială a învățat să separe în mod independent discursul unei persoane de fluxul general al diferitelor sunete și zgomote. Rețeaua neuronală separă datele audio primite în diferite elemente și analizează fiecare separat, după care poate deja prelucra vocea umană. Lucrări similare sunt observate atunci când doi sau mai mulți interlocutori sunt „conectați”.
În timpul unei demonstrații a tehnologiei unei companii japoneze, sistemul a putut separa cu succes discursul a două persoane care vorbeau aceeași propoziție într-un microfon în diferite limbi. Toate procesările au fost efectuate în timp real, iar întârzierea nu a depășit trei secunde. Precizia recunoașterii a fost de 90 la sută, iar când trei persoane au început să vorbească în microfon, procentul de „hituri” a scăzut la 80, ceea ce este și un rezultat bun. Potrivit autorilor proiectului Anthony Vetro și Yohei Okato,
„Spre deosebire de separarea vorbirii de zgomotele de fundal, separarea vorbirii unei persoane de zgomotul„ vocal”al persoanelor care vorbesc în același timp este o sarcină foarte dificilă, deoarece sunetele vocii diferitelor persoane au o mulțime de particularități. În majoritatea sistemelor, problema separării vocale este rezolvată prin instalarea a două sau mai multe microfoane, dar în cazul utilizării unui singur microfon, doar inteligența artificială poate gestiona sarcina de separare vocală. Această tehnologie poate fi utilizată oriunde este necesară o precizie ridicată a recunoașterii mesajelor vocale. De exemplu, în sistemele de control vocal pentru mașini, ascensoare, gospodărie și alte dispozitive electronice."
VLADIMIR KUZNETSOV
