谷歌开发出了一套深度学习系统,可以从嘈杂环境中分辨出特定的人声说话的内容

新知榜官方账号

2023-10-02 02:28:24

谷歌开发出了一套深度学习系统,可以从嘈杂环境中分辨出特定的人声说话的内容

谷歌工程师已经开发出了一套深度学习系统,可以从嘈杂环境中分辨出特定的人声说话的内容。他们开发的系统具有仿生学的效果,因为这是人类大脑的功能之一,它可以将人群中的一个或多个特定声音分辨开来并聚焦于此。系统训练需要音频和视频输入该系统旨在同时处理音频和视频数据。

谷歌表示,它以YouTube上超过10万个高质量的讲座和演讲视频作为训练数据开发出了该系统。所有演讲都是只有一个人,背景噪音最小。他们据此训练AI根据嘴唇/嘴巴的动作识别声音。然后研究人员转向培训计划的下一步,将不同的谈话、非语音背景数据混合在一起以创建合成“鸡尾酒”效果,增加AI区分声音的难度。测试结果显示AI可以从多人谈话的环境中区分出特定的声音,唯一的条件是说话人的脸部必须在屏幕上可见,AI可以将多个音轨中的一个与某个脸部及其嘴型相关联。

Google期望在其产品中部署这种技术这个系统取得了出人意料的成果,谷歌预计未来会将其用于各种类型的产品中。例如,该技术可用于增强家庭助理/智能扬声器技术(如GoogleHome)的语音识别能力,在GoogleGlasses中为聋人显示实时文本字幕,改善YouTube视频的文字字幕系统噪音,或在视频会议软件中显示实时标题。此外,这项技术的适用性可能远远超出Google产品。该系统还可与闭路电视系统配合使用,以帮助有关单位在视频监控摄像机记录的嘈杂音轨内隔离出单个人的声音。

研究人员已经在该项目的网站(https://looking-to-listen.github.io/)和一篇题为“LookingtoListenattheCocktailParty:ASpeaker-IndependentAudio-VisualModelforSpeechSeparation”的研究论文中详细介绍了他们的发现。研究团队还发布了视频,展示了这种新系统分辨声音的超强能力:

  1. 两个人同时说话
  2. 两个人激烈辩论
  3. 嘈杂的咖啡厅
  4. 视频会议

本页网址:https://www.xinzhibang.net/article_detail-14799.html

寻求报道,请 点击这里 微信扫码咨询

关键词

谷歌 深度学习系统 声音识别

分享至微信: 微信扫码阅读

相关工具

相关文章