Az olyan eszközök, mint az Amazon Echo vagy a Google Home, általában engedelmeskednek, ha csak egy hangforrás van. Az emberekkel töltött helyiségben használhatatlanok. Most a tudósok úgy döntöttek, hogy kijavítják.
Az AI most már sok ember hangját elválaszthatja, egyszerre beszélve valós időben. Ez jelentős fejleményt fog biztosítani az automatikus beszédfelismerés számára, és hamarosan ilyen rendszerek is működhetnek a liftben.
A Massachusetts-i Cambridge-ben, a Mitsubishi Elektromos Kutatólaboratórium kutatói által kifejlesztett technológiát először ebben a hónapban mutatták be Tokióban.
A "mély aggregálás" elnevezésű gépi tanulási technikát alkalmaz az egyedi jellemzők azonosítására a különböző emberek "hangnyomtatásában". Ezután csoportosítja az egyes hangszórók különféle vonásait, lehetővé téve az egyes hangok megkülönböztetését egymástól, pontosan rekonstruálva azt, amit mindenki mond. A rendszert 100 angolul beszélő emberre képezték ki, de még akkor is elkülönítette a hangját, ha az érintett személy japánul beszélt.
A rendszer képes elválasztani és rekonstruálni két ember beszédét egy mikrofonba, 90% -os pontossággal. Három hangszóróval a pontosság 80% -ra esik. Mindkét esetben a rendszer még soha nem hallotta az elemzett embereket.
Az előzetes tesztek során egy ilyen AI egyszerre öt hangot különböztet meg, és ez mind otthoni, mind automatikus hang- / felismerő rendszerekben használható.
Nikolay Kudryavtsev
