Laitteet, kuten Amazon Echo tai Google Home, noudattavat yleensä tilauksia, jos äänilähteitä on vain yksi. Ihmisillä täynnä olevassa huoneessa he ovat turhia. Nyt tutkijat ovat päättäneet korjata sen.
AI voi nyt erottaa monien ihmisten äänet, jotka puhuvat samanaikaisesti reaaliajassa. Tämä antaa automaattiselle puheentunnistukselle merkittävän kehityksen, ja pian tällaiset järjestelmät voivat olla hississä työssäsi.
Mitsubishin sähkötutkimuslaboratorion tutkijoiden kehittämä tekniikka Cambridgessa, Massachusettsissa, esiteltiin ensimmäisen kerran tässä kuussa Tokiossa.
Hän käyttää koneoppimistekniikkaa, jota kutsutaan "syväksi aggregoitumiseksi" tunnistaakseen yksilölliset piirteet erilaisten ihmisten "äänipaineessa". Sitten se ryhmittelee kunkin puhujan eri piirteet yhteen, jolloin yksittäiset äänet voidaan erottaa toisistaan ja rekonstruoida tarkasti jokaisen sanomat. Järjestelmä koulutettiin 100 englanninkieliselle ihmiselle, mutta se pitää äänet erillään, vaikka kyseinen henkilö puhuisi japania.
Järjestelmä pystyy erottamaan ja rekonstruoimaan kahden puhujan yhdeksi mikrofoniksi 90%: n tarkkuudella. Kolmella kaiuttimella tarkkuus laskee 80%: iin. Kummassakaan tapauksessa järjestelmä ei ollut koskaan kuullut analysoimiaan ihmisiä aiemmin.
Alustavissa testeissä sellainen AI erotti viisi ääntä samanaikaisesti, ja sitä voidaan käyttää sekä kotijärjestelmissä että automaattisissa puheentunnistus- / tunnistusjärjestelmissä.
Nikolay Kudryavtsev