Штучний інтелект навчили розпізнавати мову серед шумів

Штучний інтелект тепер вміє самостійно виділяти мову однієї людини із загального потоку різних звуків і шумів.

Технологія Deep Clustering допоможе відфільтрувати мову від шуму. Фото: ukrainianwall.com.

Віртуальні асистенти і системи розпізнавання голосу досить добре навчилися «розуміти» те, що їм говорить людина, і виконувати її команди. Але для коректної роботи тих же Siri і Cortana сторонній шум може стати великою проблемою. Справитися з цією технічною недоробкою можуть допомогти експерти компанії Mitsubishi Electric, які представили нову технологію виділення мови однієї людини із загального шуму, пишуть Патріоти України з посиланням на Нескучные новости.

Технологія японської компанії отримала назву Deep Clustering, функціонування якої побудовано на принципах машинного вивчення. Штучний інтелект для початку навчився самостійно виділяти мову однієї людини із загального потоку різних звуків і шумів. Нейронна мережа розділяє вхідні звукові дані на різні елементи і аналізує кожен окремо, після чого вже може обробляти голос людини. Подібна робота спостерігається і при «приєднання» двох і більше співрозмовників.

В ході демонстрації технології японської компанії система змогла успішно розділити мову двох людей, які говорять на один мікрофон одне і те ж речення на різних мовах. Вся обробка проводилася в режимі реального часу, а затримка не перевищувала трьох секунд. Точність розпізнавання склала 90 відсотків, а коли в мікрофон почали говорити три людини, відсоток «попадання» впав до 80, що теж є хорошим результатом.

Як розповідають автори проекту Ентоні Ветро і Йохеі Оката: "На відміну від виділення мови з фонових шумів, виділення мови однієї людини з «голосового» шуму людей, що говорять одночасно, є складним завданням, так як у звуків голосу різних людей є маса особливостей.

У більшості систем завдання поділу голосу вирішується за допомогою установки двох або більшої кількості мікрофонів, але в разі використання навіть одного мікрофона, з завданням поділу голосу може впоратися тільки штучний інтелект. Використовувати цю технологію можна там, де потрібна висока точність розпізнавання голосових повідомлень. Наприклад, в системах голосового керування автомобілями, ліфтами, побутовими та іншими електронними пристроями".

Удар про кишені! Послуги мобільного оператора lifecell стануть дорожчими - за що доведеться платити більше з 11 червня

субота, 7 червень 2025, 8:10

Мобільний оператор lifecell, послуги якого вже дорожчали з початку року, повідомив про зміни в тарифах на міжнародні дзвінки та SMS. Нові умови набудуть чинності з 11 червня 2025 року. Про це повідомляється на сайті оператора, передають Патріоти Україн...

Деякі українці можуть отримувати одночасно дві пенсії - державну та соціальну: Кого стосується

субота, 7 червень 2025, 8:01

Крім «вікових» виплат при досягненні 70, 75 та 80 років, частина українців має право на компенсацію від держави через втрату працездатності, передають Патріоти України. Йдеться про людей, які стали інвалідами в результаті військових дій, розповів УНІАН...