211service.com
Microsoft ożywia tłumacz głosowy Star Trek
To może być kolejna najlepsza rzecz do nauki nowego języka. Badacze firmy Microsoft zademonstrowali oprogramowanie, które niemal natychmiast tłumaczy mówiony angielski na mówiony chiński, zachowując jednocześnie unikalną kadencję głosu mówiącego — sztuczka, która może sprawić, że rozmowa będzie bardziej efektywna i osobista.
Pierwszą publiczną demonstrację przeprowadził: Rick Rashid , dyrektor ds. badań Microsoftu, 25 października podczas wydarzenia w Tianjin w Chinach. Mówię po angielsku i usłyszysz moje słowa po chińsku moim własnym głosem – powiedział Rashid publiczności. System działa, rozpoznając słowa danej osoby, szybko konwertując tekst na odpowiednio uporządkowane chińskie zdania, a następnie przekazuje je do oprogramowania do syntezy mowy, które zostało przeszkolone do odtwarzania głosu osoby mówiącej.
Od czasu demonstracji w chińskich mediach społecznościowych krąży wideo nagrane przez widzów. Rashid zaprezentował demonstrację anglojęzycznej publiczności w ciągu kilku minut post na blogu dzisiaj zawiera wideo.
Firma Microsoft po raz pierwszy zademonstrowała technologię, która modyfikuje zsyntetyzowaną mowę, aby dopasować głos osoby na początku tego roku (patrz Oprogramowanie tłumaczy Twój głos na inny język). Ale ten system był w stanie wypowiadać tylko pisany tekst. Oprogramowanie wymaga około godziny szkolenia, aby móc zsyntetyzować mowę w głosie osoby, co robi, dostosowując standardowy model zamiany tekstu na mowę, aby wydawał określone dźwięki w taki sam sposób, jak robi to mówca.
AT&T już wcześniej pokazało system tłumaczenia na żywo dla języka hiszpańskiego i angielskiego (patrz AT&T chce, aby Twój głos był odpowiedzialny za aplikacje ), a Google jest znany z tworzenia własnych eksperymentalnych tłumaczy na żywo. Jednak prototypy opracowane przez te firmy nie mają możliwości dostosowania syntezy mowy do brzmienia głosu osoby.
System Microsoftu jest demonstracją najnowszej technologii rozpoznawania mowy firmy, która opiera się na oprogramowaniu uczącym wzorowanym na działaniu sieci komórek mózgowych. W poście na blogu dotyczącym systemu demonstracyjnego Rashid mówi, że przejście na tę technologię pozwoliło na największy skok w dokładności rozpoznawania od dziesięcioleci. Zamiast mieć niepoprawne jedno słowo na cztery lub pięć, teraz poziom błędu wynosi jedno słowo na siedem lub osiem, napisał.
Microsoft nie jest jedynym, który szuka sieci neuronowych w celu poprawy rozpoznawania mowy. Firma Google niedawno zaczęła wykorzystywać własną technologię opartą na sieci neuronowej w swoich aplikacjach i usługach rozpoznawania głosu (patrz: Google wykorzystuje technologię wirtualnego mózgu do pracy ). Przyjęcie tego podejścia zapewniło od 20 do 25 procent poprawę wskaźników błędów w słowach, mówią inżynierowie Google.
Rashid powiedział MIT Technology Review w e-mailu, że on i badacze z Microsoft Research Asia w Pekinie nie używali jeszcze systemu do rozmowy z kimkolwiek spoza firmy, ale publiczna demonstracja wywołała duże zainteresowanie.
„To, co widziałem, to pewna kombinacja podekscytowania, zdumienia i optymizmu co do przyszłości, jaką ta technologia może przynieść”, mówi.
Rashid twierdzi, że system jest daleki od doskonałości, ale zauważa, że jest wystarczająco dobry, aby umożliwić komunikację tam, gdzie inaczej nie byłaby możliwa. Inżynierowie pracujący nad podejściem opartym na sieciach neuronowych w Microsoft i Google są optymistami, że mogą wycisnąć znacznie więcej mocy z tej techniki, ponieważ jest ona dopiero wdrażana.
Nie znamy jeszcze ograniczeń dokładności tej technologii — jest naprawdę zbyt nowa, mówi Rashid. Ponieważ nadal „uczymy” system za pomocą większej ilości danych, wydaje się, że działa on coraz lepiej.