Programmatūra pārtulko jūsu balsi citā valodā

Microsoft pētnieki ir izstrādājuši programmatūru, kas var iemācīties jūsu balss skaņu un pēc tam izmantot to, lai runātu valodā, kurā jūs nezināt. Sistēmu varētu izmantot, lai valodu apmācības programmatūru padarītu personiskāku vai radītu rīkus ceļotājiem.

Microsoft pētnieks otrdien demonstrācijā Microsoft Redmondā, Vašingtonā, universitātes pilsētiņā Frenks Sūns parādīja, kā viņa programmatūra var nolasīt tekstu spāņu valodā, izmantojot sava priekšnieka Rika Rašida balsi, kurš vada Microsoft pētījumus. Otrajā demonstrācijā Sūns izmantoja savu programmatūru, lai Kreigam Mundijai, Microsoft galvenajam pētniecības un stratēģijas darbiniekam, piešķirtu spēju runāt mandarīnu valodā.

Klausieties Rika Rašida balsi viņa dzimtajā valodā un pēc tam tulkotu vairākās citās valodās:

Angļu valodā: klausieties Rika Rašida klipu, kurā viņš normāli runā.

Spāņu valoda: klausieties to spāņu valodā.

Itāļu valoda: klausieties to itāļu valodā.

Mandarīns: klausieties to mandarīnu valodā.

Angļu valodā Mundie balss sintētiskā versija sagaidīja klausītājus Microsoft Research rīkotajā atvērto durvju dienā, noslēdzot: Ar šīs sistēmas palīdzību tagad varu runāt mandarīnu valodā. Frāze tika atkārtota mandarīnu ķīniešu valodā, kas joprojām bija atpazīstama Mundija balss.

Mēs varēsim veikt diezgan daudz scenāriju lietojumprogrammu, sacīja Soongs, kurš izveidoja sistēmu kopā ar kolēģiem Microsoft Research Asia, uzņēmuma otrajā lielākajā pētniecības laboratorijā Pekinā, Ķīnā.

Vienvalodīgajam runātājam, kurš ceļo pa ārzemēm, mēs veiksim runas atpazīšanu, kam seko tulkošana, kam sekos gala teksts un runas izvadīšana citā valodā, taču joprojām savā balsī, sacīja Soongs.

Jauno tehniku ​​varētu izmantot arī, lai palīdzētu skolēniem apgūt valodu, sacīja Soongs. Svešfrāžu paraugu sniegšana cilvēka paša balsī varētu būt iedrošinoša vai vieglāk atdarināma. Sūns arī parādīja, kā viņa jaunā sistēma varētu uzlabot navigācijas norāžu tālruņa lietotni, ļaujot sintētiskajai angļu balsij nemanāmi nolasīt tekstu, kas rakstīts uz Ķīnas ceļa zīmēm, pārraidot norādījumus par maršrutu Pekinā.

Sistēmai ir jāapmāca apmēram stunda, lai izstrādātu modeli, kas spēj nolasīt jebkuru tekstu cilvēka paša balsī. Šis modelis tiek pārveidots par tādu, kas spēj nolasīt tekstu citā valodā, salīdzinot to ar standarta teksta pārvēršanas runā modeli mērķa valodai. Atsevišķas skaņas, ko izmantoja pirmais modelis, lai veidotu vārdus, izmantojot cilvēka balsi viņa dzimtajā valodā, ir rūpīgi pielāgotas, lai jaunajam teksta pārvēršanas runā modelim nodrošinātu pilnīgu iespēju izrunāt frāzes otrajā valodā.

Soongs saka, ka šī pieeja var pārvērst starp jebkuru 26 valodu pāri, tostarp mandarīnu ķīniešu, spāņu un itāļu valodu.

Cilvēka balss saglabāšana, sintezējot runu citā valodā, visticamāk, nomierinātu lietotāju un padarītu jēgpilnāku mijiedarbību, kas atkarīga no tulkošanas programmatūras. Šrikanta Narajanana , profesors Dienvidkalifornijas Universitātē Losandželosā, vada pētniecības grupu, kas strādā pie sistēmām runas tulkošanai tādās situācijās kā ārsta un pacienta konsultācijas.

Viņš saka, ka vārds ir tikai viena daļa no tā, ko cilvēks saka, un, lai patiesi nodotu visu informāciju cilvēka runā, tulkošanas sistēmām būs jāspēj saglabāt balsis un daudz ko citu. Balss, intonācijas saglabāšana ir svarīga, un šis projekts to skaidri zina, saka Narajanans. Mūsu sistēmām ir jātver izteiciens, ko cilvēks cenšas izteikt, kas viņi ir un kā viņi to saka.

Viņa pētnieku grupa pēta, kā tādas funkcijas kā uzsvars, intonācija un veids, kā cilvēki izmanto pauzes vai vilcināšanos, ietekmē tulkošanas efektivitāti un uztveramo kvalitāti. Mēs jautājam, vai jūs varat izveidot sistēmas, kas var būt starpnieks starp cilvēkiem, kā arī vienkārši aizstāt vārdus, viņš saka. Es uzskatu šo [Microsoft pētījumu] kā daļu no tā, kā jūs to panākat.

paslēpties