Perangkat seperti Amazon Echo atau Google Home biasanya menuruti perintah jika hanya ada satu sumber suara. Di ruangan yang dipenuhi orang, mereka tidak berguna. Sekarang para ilmuwan telah memutuskan untuk memperbaikinya.
AI sekarang dapat memisahkan suara banyak orang secara bersamaan berbicara dalam waktu nyata. Ini akan memberikan pengenalan ucapan otomatis perkembangan yang signifikan, dan segera sistem seperti itu mungkin ada di elevator di tempat kerja Anda.
Teknologi yang dikembangkan oleh para peneliti di Mitsubishi Electrical Research Laboratory di Cambridge, Massachusetts, pertama kali didemonstrasikan bulan ini di Tokyo.
Dia menggunakan teknik pembelajaran mesin yang disebut "agregasi mendalam" untuk mengidentifikasi fitur unik dalam "cetak suara" orang yang berbeda. Kemudian mengelompokkan ciri-ciri berbeda dari setiap pembicara bersama-sama, memungkinkan suara individu dibedakan satu sama lain, secara akurat merekonstruksi apa yang dikatakan setiap orang. Sistem ini dilatih pada 100 orang yang berbicara bahasa Inggris, tetapi itu membuat suara tetap terpisah meskipun orang tersebut berbicara bahasa Jepang.
Sistem dapat memisahkan dan merekonstruksi ucapan dua orang yang berbicara ke dalam satu mikrofon dengan akurasi 90%. Dengan tiga speaker, akurasi turun menjadi 80%. Dalam kedua kasus tersebut, sistem belum pernah mendengar orang-orang yang dianalisis sebelumnya.
Dalam tes pendahuluan, AI semacam itu membedakan hingga lima suara secara bersamaan, dan ini dapat digunakan baik di sistem rumah maupun di sistem pengenalan / suara otomatis.
Nikolay Kudryavtsev
