Enheder som Amazon Echo eller Google Home overholder normalt ordrer, hvis der kun er en stemmekilde. I et rum fyldt med mennesker er de ubrukelige. Nu har forskere besluttet at ordne det.
AI kan nu adskille stemmerne fra mange mennesker, der samtidig taler i realtid. Dette vil give automatisk talegenkendelse en betydelig udvikling, og snart er sådanne systemer muligvis i elevatoren på dit arbejde.
Teknologien, der er udviklet af forskere ved Mitsubishi Electrical Research Laboratory i Cambridge, Massachusetts, blev først demonstreret denne måned i Tokyo.
Hun bruger en maskinlæringsteknologi kaldet "dyb aggregering" til at identificere unikke funktioner i "stemmeudtrykket" for forskellige mennesker. Derefter grupperes de forskellige træk fra hver højttaler sammen, så de individuelle stemmer kan skelnes fra hinanden, og nøjagtigt rekonstrueres, hvad hver person siger. Systemet blev trænet på 100 engelsktalende mennesker, men det holdt stemmer fra hinanden, selv om den pågældende talte japansk.
Systemet kan adskille og rekonstruere talen fra to personer, der taler til en mikrofon med 90% nøjagtighed. Med tre højttalere falder nøjagtigheden til 80%. I begge tilfælde havde systemet aldrig hørt de mennesker, det analyserede før.
I indledende test skelner en sådan AI op til fem stemmer samtidigt, og dette kan bruges både i hjemmesystemer og i automatiske stemmesystemer / genkendelsessystemer.
Nikolay Kudryavtsev