Enheter som Amazon Echo eller Google Home följer vanligtvis beställningar om det bara finns en röstkälla. I ett rum fyllt med människor är de värdelösa. Nu har forskare beslutat att fixa det.
AI kan nu skilja rösterna från många människor samtidigt som de talar i realtid. Detta ger automatiskt taligenkänning en betydande utveckling, och snart kan sådana system vara i hissen på ditt arbete.
Tekniken, utvecklad av forskare vid Mitsubishi Electrical Research Laboratory i Cambridge, Massachusetts, demonstrerades först denna månad i Tokyo.
Hon använder en maskininlärningsteknik som kallas "djup aggregering" för att identifiera unika funktioner i "röstuttrycket" för olika människor. Därefter grupperas de olika egenskaperna hos varje högtalare, så att de enskilda rösterna kan skilja sig från varandra, och rekonstruera exakt vad varje person säger. Systemet tränades på 100 engelsktalande personer, men det höll röster från varandra även om personen i fråga talade japanska.
Systemet kan separera och rekonstruera talet från två personer som talar till en mikrofon med 90% noggrannhet. Med tre högtalare sjunker noggrannheten till 80%. I båda fallen hade systemet aldrig hört folket som det analyserat tidigare.
Vid preliminära test skilde en sådan AI upp till fem röster samtidigt, och detta kan användas både i hemmasystem och i automatiska röstigenkänning / igenkänningssystem.
Nikolay Kudryavtsev