Enheter som Amazon Echo eller Google Home overholder vanligvis ordrer hvis det bare er en stemmekilde. I et rom fylt med mennesker er de ubrukelige. Nå har forskere bestemt seg for å fikse det.
AI kan nå skille stemmer fra mange mennesker samtidig som de snakker i sanntid. Dette vil gi automatisk talegjenkjenning en betydelig utvikling, og snart kan slike systemer være i heisen på ditt arbeid.
Teknologien, utviklet av forskere ved Mitsubishi Electrical Research Laboratory i Cambridge, Massachusetts, ble første gang demonstrert i Tokyo.
Hun bruker en maskinlæringsteknikk kalt "dyp aggregering" for å identifisere unike funksjoner i "stemmeuttrykket" til forskjellige mennesker. Deretter grupperer de ulike trekkene til hver foredragsholder sammen, slik at de individuelle stemmene kan skilles fra hverandre, og rekonstruere nøyaktig hva hver person sier. Systemet ble trent på 100 engelsktalende mennesker, men det holdt stemmene fra hverandre selv om vedkommende snakket japansk.
Systemet kan skille og rekonstruere talen til to personer som snakker til en mikrofon med 90% nøyaktighet. Med tre høyttalere synker nøyaktigheten til 80%. I begge tilfeller hadde systemet aldri hørt menneskene det analyserte før.
I foreløpige tester skilte en slik AI opptil fem stemmer samtidig, og dette kan brukes både i hjemmesystemer og i automatiske stemmegjenkjennings- / gjenkjenningssystemer.
Nikolay Kudryavtsev
