AI lär sig att plocka fram röster från en folkmassas prat

Kategori: Okategoriserad Postad 25 okt

Nuvarande röstigenkänningssystem är ganska bra - om bara en person talar. Men som vi har sagt tidigare är det svårt att förstå röster bland fler människor, som ofta kallas cocktailpartyproblemet – även för företag som Amazon, som har samlat på sig mängder av data via sin Alexa smarta assistentplattform.

Nu har dock ett team av forskare från Mitsubishi Electric Research Laboratory utvecklat ett trick för att identifiera funktioner i en röst som kan användas för att spåra en enskild person i konversation. Enligt Ny vetenskapsman , genom att skära upp ljud och identifiera hur kluster av dessa funktioner uppstår över tiden, är det möjligt att spåra en röst även i folkmassans larm.

Hur bra är det? Tja, resultat publicerad på arXiv föreslår att den kan spåra en enda person i konversation även när fem personer pratar, och kan isolera en enda röst från två andra med 80 procents noggrannhet. Alltså, inte perfekt. Men det är ett stort steg mot att få Alexa att förstå dig när du ber den att spela din nya jam över dina vänners ståhej på en middagsfest.