Искусственный интеллект научился распознавать речь среди шума
|
|
Виртуальные ассистенты и системы распознавания голоса достаточно хорошо научились «узнавать» то, что им говорит человек, и выполнять его команды. Но для корректной работы тех же Siri и Cortana посторонний шум может стать большой проблемой. Справиться с этой технической недоработкой могут помочь эксперты компании Mitsubishi Electric, которые представили новую технологию выделения речи одного человека из общего шума.
|
|
Технология японской компании получила название Deep Clustering, функционирование которой построено на принципах машинного изучения. Искусственный интеллект для начала научился самостоятельно выделять речь одного человека из общего потока различных звуков и шумов. Нейронная сеть разделяет входящие аудиоданные на различные элементы и анализирует каждый в отдельности, после чего уже может обрабатывать голос человека. Подобная работа наблюдается и при «присоединении» двух и более собеседников.
|
|
В ходе демонстрации технологии японской компании система смогла успешно разделить речь двух человек, говорящих в один микрофон одно и то же предложение на разных языках. Вся обработка производилась в режиме реального времени, а задержка не превышала трех секунд. Точность распознавания составила 90 процентов, а когда в микрофон начали говорить три человека, процент «попадания» упал до 80, что тоже является хорошим результатом. Как рассказывают авторы проекта Энтони Ветро и Йохеи Окато,
|
|
«В отличие от выделения речи из фоновых шумов, выделение речи одного человека из «голосового» шума говорящих одновременно людей является сложнейшей задачей, так как у звуков голоса разных людей имеется масса особенностей. В большинстве систем задача разделения голоса решается при помощи установки двух или большего количества микрофонов, но в случае использования всего одного микрофона, с задачей разделения голоса может справиться только искусственный интеллект. Использовать эту технологию можно там, где требуется высокая точность распознавания голосовых сообщений. Например, в системах голосового управления автомобилями, лифтами, бытовыми и прочими электронными устройствами».
|
|
Источник
|