211service.com
Microsoft ger liv till Star Treks röstöversättare
Det kan vara det näst bästa att lära sig ett nytt språk. Microsofts forskare har visat programvara som översätter talad engelska till talad kinesiska nästan omedelbart, samtidigt som den unika kadensen av talarens röst bevaras – ett knep som kan göra konversationen mer effektiv och personlig.
Den första offentliga demonstrationen gjordes av Rick Rashid , Microsofts forskningschef, den 25 oktober vid ett evenemang i Tianjin, Kina. Jag talar engelska och ni kommer att höra mina ord på kinesiska med min egen röst, sa Rashid till publiken. Systemet fungerar genom att känna igen en persons ord, snabbt omvandla texten till korrekt ordnade kinesiska meningar och sedan överlämna dem till talsyntesmjukvara som har tränats för att replikera talarens röst.
Video inspelad av publik har cirkulerat på kinesiska sociala medier sedan demonstrationen. Rashid presenterade demonstrationen för en engelsktalande publik i en blogginlägg idag som innehåller en video.
Microsoft demonstrerade först teknik som modifierar syntetiserat tal för att matcha en persons röst tidigare i år (se Programvaran översätter din röst till ett annat språk). Men det här systemet kunde bara säga maskinskriven text. Programvaran kräver ungefär en timmes träning för att kunna syntetisera tal i en persons röst, vilket den gör genom att justera en vanlig text-till-tal-modell så att den gör vissa ljud på samma sätt som högtalaren gör.
AT&T har tidigare visat ett liveöversättningssystem för spanska och engelska (se AT&T vill sätta din röst i ledningen för appar ), och Google är känt för att ha byggt sina egna experimentella liveöversättare. Men de prototyper som utvecklats av dessa företag har inte förmågan att få syntetiserat tal att matcha ljudet av en persons röst.
Microsoft-systemet är en demonstration av företagets senaste taligenkänningsteknologi, som är baserad på inlärningsprogram som bygger på hur nätverk av hjärnceller fungerar. I ett blogginlägg om demonstrationssystemet säger Rashid att byte till den tekniken har möjliggjort det mest betydande steget i igenkänningsnoggrannhet på decennier. Istället för att ha ett ord av fyra eller fem felaktiga, är felfrekvensen nu ett ord på sju eller åtta, skrev han.
Microsoft är inte ensamma om att leta efter neurala nätverk för att förbättra taligenkänning. Google började nyligen använda sin egen neurala nätverksbaserade teknik i sina röstigenkänningsappar och tjänster (se Google Puts Its Virtual Brain Technology to Work ). Att använda detta tillvägagångssätt gav mellan 20 och 25 procents förbättring av antalet ordfel, säger Googles ingenjörer.
Rashid berättade per e-post till MIT Technology Review att han och forskarna vid Microsoft Research Asia, i Peking, ännu inte har använt systemet för att föra en konversation med någon utanför företaget, men den offentliga demonstrationen har väckt stort intresse.
Det jag har sett är en kombination av spänning, förvåning och optimism om framtiden som tekniken kan ge, säger han.
Rashid säger att systemet är långt ifrån perfekt, men noterar att det är tillräckligt bra för att tillåta kommunikation där ingen annars skulle vara möjlig. Ingenjörer som arbetar med det neurala nätverksbaserade tillvägagångssättet hos Microsoft och Google är optimistiska att de kan vrida ur sig mycket mer kraft ur tekniken, eftersom den bara håller på att implementeras.
Vi vet ännu inte gränserna för den här teknikens noggrannhet – den är verkligen för ny, säger Rashid. När vi fortsätter att 'träna' systemet med mer data, verkar det bli bättre och bättre.