211service.com
Microsoft atdzīvina Star Trek balss tulkotāju
Tā varētu būt nākamā labākā lieta, apgūstot jaunu valodu. Microsoft pētnieki ir parādījuši programmatūru, kas gandrīz acumirklī pārvērš runāto angļu valodu runātajā ķīniešu valodā, vienlaikus saglabājot unikālo runātāja balss ritmu — triku, kas varētu padarīt sarunu efektīvāku un personiskāku.
Pirmo publisko demonstrāciju veica Riks Rašids , Microsoft galvenais pētniecības darbinieks, 25. oktobrī pasākumā Tjandzjinā, Ķīnā. Es runāju angliski, un jūs dzirdēsiet manus vārdus ķīniešu valodā manā balsī, Rašids sacīja auditorijai. Sistēma darbojas, atpazīstot personas vārdus, ātri pārvēršot tekstu pareizi sakārtotos ķīniešu teikumos un pēc tam nododot tos runas sintēzes programmatūrai, kas ir apmācīta replicēt runātāja balsi.
Kopš demonstrācijas Ķīnas sociālo mediju vietnēs cirkulē auditorijas dalībnieku ierakstītais video. Rašids prezentēja demonstrāciju angliski runājošai auditorijai a emuāra ieraksts šodien, kas ietver video.
Microsoft pirmo reizi šogad demonstrēja tehnoloģiju, kas modificē sintezēto runu, lai tā atbilstu personas balsij (skatiet Programmatūra pārvērš jūsu balsi citā valodā). Bet šī sistēma spēja runāt tikai drukātu tekstu. Programmatūrai ir nepieciešamas apmēram stundu ilgas apmācības, lai tā varētu sintezēt runu cilvēka balsī, ko tā dara, pielāgojot standarta teksta pārvēršanas runā modeli, lai tā radītu noteiktas skaņas tādā pašā veidā, kā to dara runātājs.
AT&T jau iepriekš ir parādījis tiešraides tulkošanas sistēmu spāņu un angļu valodā (skatiet sadaļu AT&T Wants to Put Your Voice in Charge of Apps ), un ir zināms, ka Google ir izveidojis savus eksperimentālos tiešsaistes tulkotājus. Tomēr šo uzņēmumu izstrādātajiem prototipiem nav iespējas panākt, lai sintezētā runa atbilstu cilvēka balss skaņai.
Microsoft sistēma ir uzņēmuma jaunākās runas atpazīšanas tehnoloģijas demonstrācija, kuras pamatā ir mācību programmatūra, kas veidota pēc smadzeņu šūnu tīklu darbības modeļa. Emuāra ziņojumā par demonstrācijas sistēmu Rašids saka, ka pāreja uz šo tehnoloģiju ir ļāvusi panākt visnozīmīgāko atpazīšanas precizitātes lēcienu pēdējo gadu desmitu laikā. Viņš rakstīja, ka tā vietā, lai viens vārds no četriem vai pieciem nepareizs būtu, tagad kļūdu īpatsvars ir viens vārds no septiņiem vai astoņiem.
Microsoft nav vienīgais, kurš meklē neironu tīklus, lai uzlabotu runas atpazīšanu. Google nesen sāka izmantot savu neironu tīklu tehnoloģiju savās balss atpazīšanas lietotnēs un pakalpojumos (skatiet sadaļu Google ievieš virtuālo smadzeņu tehnoloģiju ). Google inženieri norāda, ka, pieņemot šo pieeju, vārdu kļūdu biežums ir palielinājies par 20–25%.
Rašids e-pastā MIT Technology Review pastāstīja, ka viņš un Pekinas Microsoft Research Asia pētnieki vēl nav izmantojuši sistēmu, lai sarunātos ar kādu ārpus uzņēmuma, taču publiskā demonstrācija ir izraisījusi lielu interesi.
Viņš saka, ka tas, ko esmu redzējis, ir sajūsmas, pārsteiguma un optimisma kombinācija par nākotni, ko šī tehnoloģija varētu sniegt.
Rašids saka, ka sistēma nebūt nav perfekta, taču atzīmē, ka tā ir pietiekami laba, lai nodrošinātu saziņu tur, kur citādi tas nebūtu iespējams. Inženieri, kas strādā pie Microsoft un Google neironu tīklu pieejas, ir optimistiski noskaņoti, ka viņi var izspiest no tehnikas daudz vairāk jaudas, jo tā tikai tiek ieviesta.
Mēs vēl nezinām šīs tehnoloģijas precizitātes ierobežojumus — tā patiešām ir pārāk jauna, saka Rašids. Tā kā mēs turpinām “apmācīt” sistēmu ar vairāk datu, šķiet, ka tā darbojas arvien labāk.