Il completamento automatico della voce di Google può nascondere i problemi nelle videochiamate

Categoria: Intelligenza artificiale Inserito 06 aprile

Le notizie: Con molti di noi che ora si affidano alle videochiamate per l'interazione faccia a faccia , le connessioni instabili sono più frustranti che mai. Un'intelligenza artificiale che imita il modo di parlare di un singolo oratore può appianare le crepe riempiendo piccole lacune con frammenti di parlato generato. Sviluppata da un team di Google, la tecnologia viene ora utilizzata L'app per videochiamate di Google Duo .

Qual è il problema? Quando sei impegnato in una chiamata online, la tua voce viene tagliata in tanti piccoli pezzi che vengono compressi su Internet in blocchi di dati noti come pacchetti. I pacchetti spesso arrivano all'altra estremità confusi e il software deve riordinarli. Ma a volte i pacchetti non arrivano affatto, il che crea problemi e lacune in una conversazione. Questo accade nel migliore dei casi. Secondo Google, il 99% delle chiamate Duo ha a che fare con pacchetti confusi o persi. Un decimo di queste chiamate perde più dell'8% del proprio audio.

Generazione del discorso: Per risolvere il problema, il team ha costruito una rete neurale sviluppata da DeepMind in grado di farlo generare un discorso realistico dal testo . Chiamata WaveNetEQ, la nuova rete neurale è stata quindi addestrata su un ampio set di dati di 100 voci umane registrate che parlano 48 lingue diverse fino a quando non è stato in grado di completare automaticamente brevi sezioni del discorso in base a schemi comuni nel modo in cui le persone parlano. Poiché Duo è crittografato end-to-end, l'IA viene eseguita sul dispositivo, non sul cloud. Durante una chiamata, WaveNetEQ è in grado di apprendere le caratteristiche della voce di un oratore e genera frammenti audio che corrispondono allo stile e al contenuto di ciò che sta dicendo l'oratore. Quando un pacchetto viene perso, la voce generata dall'IA viene inserita al suo posto.

Per ora, l'IA può generare solo sillabe anziché intere parole o frasi. Ma breve campioni pubblicati da Google online mostrare che i risultati possono essere abbastanza realistici. In un caso, l'IA sostituisce la seconda sillaba della parola guai in una voce che imita esattamente l'oratore maschile.