Virtuella assistenter och röstigenkänning tillräckligt väl lärt sig att “veta” vad de personen säger och följ hans kommandon. Men för att detta ska fungera på samma sätt för Siri och Cortana, bakgrundsljud kan bli ett stort problem. För att klara detta tekniska fel kan hjälpa experter från Mitsubishi Electric, som presenterade en ny teknik för att markera tal av en person från det Allmänna bruset.
Teknik för Japanska företag som heter Djupt Klustring, som bygger på principerna för maskininlärning. Artificiell intelligens till att börja med, jag lärde mig att skilja tal av en person från den Allmänna strömmen av olika ljud eller läten. Det neurala nätverket delar inkommande ljuddata för olika element och analyserar varje separat, efter vilken man kan bearbeta den röst av en man. Sådant arbete är observerade och “gå med” två eller flera deltagare.
Under teknisk demonstration Japanska företag, var systemet klarar av att separera tal av två högtalare och en mikrofon på en och samma mening i olika språk. All bearbetning som utförs i realtid, och förseningen inte vara längre än tre sekunder. Erkännande noggrannhet var 90 procent, och när mikrofonen började prata med tre personer, antalet “träffar” föll till 80, som också är ett bra resultat. Hur man berättar författarna av projektet, Anthony Vetro, Yohei OKATO,
“I motsats till den uppdelning av tal från bakgrundsljud, val av tal av en person från “röst” av ljudet av människor som talar samtidigt är en svår uppgift, som ljudet av röster från olika människor har en mängd funktioner. I de flesta system som uppgift att separera röster är löst genom att installera två eller flera mikrofoner, men i fallet med bara en mikrofon, med uppgift att separera röster kan endast hantera artificiell intelligens. Att använda denna teknik är möjligt med hög erkännande noggrannhet av röstmeddelanden. Till exempel, voice control system i bilar, hissar, apparater och andra elektroniska enheter.”
Artificiell intelligens för att lära sig att känna igen tal i buller
Vladimir Kuznetsov