Это позволит надежно идентифицировать людей по голосу, отсеивать несущественную для распознавания смысла сказанноой информации. Новый алгоритм не требует значительных вычислительных ресурсов и может работать без дополнительного обучения компьютера.

В настоящее время все мало-мальски надежные системы идентификации и распознавания речи требуют обучения. Проще говоря, сначала человек произносит слова, дает возможность машине узнать особенности произношения конкретного человека, после чего возможно распознавание его речи.

Ученые из MIT продемонстрировали новый алгоритм, сокращающий число переменных, и позволяющий распознавать речь без необходимости обучения. Суть технологии заключается в особом методе распознавания индивидуальных особенностей речи, названном i-vector. Новая технология дает такое же качество анализа голоса, как и системы, требующие обучения.

I-vector обнаруживает новые оси для описания информации, которая характеризует звуки речи в 120000-мерном пространстве. В ходе экспериментов, ученые MIT установили, что новому алгоритму достаточно всего 100-мерной акустической картинки, чтобы описать все возможные комбинации звуков человеческой речи. Более того, в определенных случаях с помощью i-vector можно уменьшить количество этих измерений до 3-х.

Алгоритм выявляет кластеры, которые близки друг другу и сливает их в один, постепенно остаются лишь очень непохожие кластеры, которые наверняка являются речью разных людей.

Технология i-vector позволяет идентифицировать говорящего за менее 30 секунд. Понятно, что новую технологию, прежде всего будут, применять спецслужбы: для обнаружения скрывающихся людей или автоматического просеивания сетей в поисках конкретных собеседников и конкретных тем. Новый алгоритм найдет широкое применение и в повседневной жизни, например компьютеры смогут опознать хозяина по голосу, а значит отпадет проблема забытого пароля.
Читайте актуальные новости и аналитические статьи в Telegram-канале «Vzglyad.az» https://t.me/Vzqlyad

Тэги: