喧闹中你也能辨识熟人声音,谷歌AI也想做到这点

  • 时间:
  • 浏览:4
  • 来源:5分6合_5分6合平台_5分6合网投平台

据Ars Technica报道,谷歌研究人员开发出你这些 深层学习系统,旨在帮助计算机更好地识别和分离出嘈杂环境中的个体声音。

正如谷歌本周在Google Research Blog上所称,该公司内部人员团队正试图复制“人类大脑专注于某个声音来源一同可过滤掉或多或少声音”你这些 能力,就像你在就会上只与某个许多人交谈。谷歌的土妙招中使用了一有另一个 视听模型,就说 我它主要集中于在视频中隔离声音。该公司发布了些YouTube视频,展示了该技术的实际应用情況。

谷歌表示,这项技术都都后能 应用与使用单一音轨的视频,并能在视频算法中隔离声音,这取决于谁在说话,肯能是让用户手动选着许多人想听到的声音的人脸。谷歌称,这里的视觉组件是关键,肯能当某人的嘴在动时,这项技术会观察到,以便能在特定时刻更好地识别在某人的声音,并为视频的长度创建更精确的买车人语音轨迹。

这篇博客文章写道,研究人员在YouTube上采集了十五万段“讲座和谈话”视频,从哪几个视频中提取了近100小时的视频片段,并将音频与人工背景噪声混合,创造了“合成鸡尾酒派对”。以后谷歌通过阅读许多人在每个视频框架中说话的“脸缩略图”和该视频原声带的谱图,训练技术人员将混合音频进行拆分。该系统并能分辨出哪个音频源在给定的时间内属于哪张人脸,并为每个扬声器创建单独的语音轨迹。

谷歌怪怪的指出,封闭字幕系统是该系统的一有另一个 优势,但该公司表示,它设想了“你这些 技术的广泛应用”,以后“目前正在探索将其纳入各种谷歌产品的肯能”。Hangouts和YouTube似乎是一有另一个 容易起步的地方。当应用到智能眼镜(比如谷歌眼镜、语音放大耳塞)中时,如此看出该技术是咋样工作的。

帮助像谷歌Home从前的智能音箱识别买车人声音,这似乎是从前用例,以后肯能你这些 模型集中在视频上,它肯能与配有显示器的智能音箱合作土妙招土妙招效果会更好,比如亚马逊的Echo Show。今年早些以后,谷歌为“智能显示设备”(如Echo Show)集成了Google Assistant,但该公司还如此发布买车人的类似硬件产品。

在任何情況下,你这些 技术的隐私后果似乎和潜在的用例同样明显。在上边的例子中,谷歌的声音隔离远远也有 安全无忧的,进行更细微的调整后,它都都后能 让强大的窃听和监视工具落入坏人之手。