AI er ved at lære at udvælge stemmer fra en folkemængdes chatter

Kategori: Ikke kategoriseret Udsendt 25. okt

De nuværende stemmegenkendelsessystemer er ret gode - hvis kun én person taler. Men som vi har sagt før, er det svært at forstå stemmer blandt flere mennesker, som ofte er kendt som cocktailparty-problemet – selv for firmaer som Amazon, der har samlet massevis af data via sin Alexa smarte assistent-platform.

Men nu har et team af forskere fra Mitsubishi Electric Research Laboratory udviklet et trick til at identificere funktioner i en stemme, der kan bruges til at spore en enkelt person i samtale. Ifølge Ny videnskabsmand , ved at skære lyd op og identificere, hvordan klynger af disse funktioner opstår over tid, er det muligt at spore en stemme, selv i en menneskemængdes larm.

Hvor god er den? Nå, resultater offentliggjort på arXiv foreslår, at den kan spore en enkelt person i samtale, selv når fem personer taler, og kan isolere en enkelt stemme fra to andre med 80 procents nøjagtighed. Altså ikke perfekt. Men det er et stort skridt hen imod at få Alexa til at forstå dig, når du beder den om at spille din nye jam over dine venners larm til et middagsselskab.