MWONGOZO WA AI wa Sauti

Kutenganisha Hotuba na Tatizo la Cocktail Party

Kutenganisha usemi ni kazi ya kuvuta sauti za watu binafsi kando na rekodi ambapo watu kadhaa huzungumza mara moja.

Sikiliza mwongozo huuInaonyeshwa na AI · ~2 min

Anza kusomaChukua chemsha bongo
Katika ukurasa huudk 2 kusoma
  1. Muhtasari
  2. Dive ya kina
  3. Utekelezaji wa Ulimwengu Halisi
  4. Mustakabali wa Kutengana kwa Hotuba na Tatizo la Cocktail Party
  5. Kuiweka katika vitendo
  6. Endelea Kuchunguza
  7. Maswali yanayoulizwa mara kwa mara

Muhtasari

It tackles the 'cocktail party problem' that humans solve effortlessly but machines find genuinely hard.

Dive ya kina

Katika tafrija yenye kelele, unaweza kuzingatia mazungumzo moja huku ukichuja yaliyosalia, uwezo ambao mwanasaikolojia Colin Cherry aliuita 'tatizo la chama cha cocktail' mwaka wa 1953. Kompyuta inatatizika kwa sababu sauti zinazopishana huchanganyika katika muundo mmoja wa wimbi, na mfumo haujui mapema ni wasemaji wangapi waliopo au ni sauti gani ni ya nani. Kanuni za kutenganisha usemi huchukua sauti hiyo mchanganyiko na kutoa wimbo tofauti na safi kwa kila spika. Mbinu za awali zilitumia mbinu za takwimu na safu za maikrofoni kutumia vidokezo vya anga. Ufanisi ulikuja na miundo ya kina ya kujifunza kama vile Deep Clustering na TasNet/Conv-TasNet, ambayo hujifunza kuficha au kuunda upya kila sauti moja kwa moja kutoka kwa muundo wa wimbi, hata kwa maikrofoni moja.

Utekelezaji wa Ulimwengu Halisi

Zana za unukuu za mkutano hutenganisha spika zinazopishana ili maneno ya kila mtu yanasibishwe ipasavyo katika madokezo.

Vifaa vya hali ya juu vya usikivu hutenga mzungumzaji mmoja katika mkahawa uliojaa watu ili kufanya mazungumzo kuwa rahisi kwa mvaaji.

Utayarishaji wa muziki na podikasti hutumia utengano ili kugawanya sauti kutoka kwa ala au kutengua mazungumzo kati ya waandaji.

Njia za utambuzi wa usemi hutenganisha mapema sauti mseto ili kila sauti iweze kunukuliwa kwa usahihi.

Mustakabali wa Kutengana kwa Hotuba na Tatizo la Cocktail Party

Utengano unaelekea kwenye hali ya wazi, ya ulimwengu halisi: nambari zisizojulikana na zinazobadilika za spika, vyumba vya sauti, na sauti inayoendelea ya kutiririsha. Utoaji wa spika inayolengwa, ambapo unampa modeli sampuli ya sauti fupi ili kumtoa mtu huyo pekee, unaongezeka kwa kasi. Miundo iliyounganishwa ya sauti na kuona hutumia misogeo ya midomo ili kutenganisha sauti. Tarajia uwezo huu uliopachikwa katika visaidizi vya kusikia, vifaa vya sauti vya masikioni, na manukuu ya mkutano, na kuruhusu vifaa kuangazia mtu yeyote unayetaka kusikia.

Kuiweka katika vitendo

Kwa nini ni muhimu

  • Kufikia na kufikia. Huboresha ufikiaji kupitia manukuu, simulizi na violesura vya sauti.
  • Gharama na bajeti. Timu za media zinaweza kusafirisha sauti iliyoboreshwa haraka na bajeti ndogo.
  • Kasi na kiwango. Mifumo inayowakabili wateja inaweza kuchakata mwingiliano wa mazungumzo kwa kiwango kikubwa.

Jihadharini na

  • Hatari za matumizi mabaya ya sauti na uigaji huongezeka wakati kibali kinakosekana.
  • Usahihi unaweza kushuka katika lafudhi, lahaja au mazingira yenye kelele.
  • Sauti ya syntetisk inaweza kudhaniwa kimakosa kuwa usemi halisi bila kuweka lebo wazi.

Hatua zinazofuata

  1. Pata idhini ya moja kwa moja ya kunasa sauti, kuunda na kutumia tena.
  2. Jaribu ubora kwenye spika na hali mbalimbali za usuli.
  3. Bainisha wakati ni lazima binadamu akague au aidhinishe matokeo.
  4. Weka lebo sauti ya sintetiki na uhifadhi rekodi za asili kwa uwajibikaji.

Endelea Kuchunguza

Sauti AI

Jifunze jinsi mifumo ya usemi inavyotambua na kutoa lugha.Soma Mwongozo

Muziki wa AI

Kuelewa zana za kisasa za kizazi cha muziki na vikwazo.Soma Mwongozo

Jarida halali

Pata taarifa ya kila siku ya AI

Hadithi tatu za AI zilizothibitishwa kila asubuhi ya wiki, zimetengenezwa kwa Kiingereza rahisi. Bila malipo daima, hakuna matangazo.

Barua pepe moja kila siku ya wiki. Jiondoe kwa bonyeza moja. Hatutauza au kushiriki anwani yako.

Jijaribu mwenyewe

Take the Speech Separation and the Cocktail Party Problem quiz

Maoni ya haraka juu ya kila jibu, na cheti kinachoweza kushirikishwa na kitambulisho kinachoweza kuthibitishwa baada ya kupita kozi.

Anza chemsha bongo

Changia elimu ya AI bila malipo. AI Understanding ni 501(c)(3) isiyo na faida — hakuna matangazo, hakuna kizuizi cha malipo, daima. Toa mchango

Maswali yanayoulizwa mara kwa mara

What is Speech Separation and the Cocktail Party Problem?

Kutenganisha usemi ni kazi ya kuvuta sauti za watu binafsi kando na rekodi ambapo watu kadhaa huzungumza mara moja. Inashughulikia 'tatizo la sherehe' ambalo wanadamu hutatua bila juhudi lakini mashine hupata ugumu sana.

Tatizo la 'cocktail party' ni nini?

Iliyoundwa na Colin Cherry mwaka wa 1953, inaeleza changamoto ya kuhudhuria mzungumzaji mmoja wakati watu wengi wanazungumza mara moja.

Je, ni matokeo gani ya mfumo wa kutenganisha hotuba kutokana na kurekodi mchanganyiko wa wasemaji kadhaa?

Kutenganisha hutoa mtiririko mmoja safi kwa kila spika, ikitenganisha sauti zinazopishana kwenye mchanganyiko.

Je, Conv-TasNet hufanya nini tofauti na njia nyingi za awali za utenganisho?

Conv-TasNet hutumia programu ya kusimba iliyojifunza kwenye sauti mbichi badala ya spectrogramu isiyobadilika, inayowezesha utengano wa uaminifu wa juu na wa chini wa kusubiri.

Je, mitandao mingi ya kutenganisha hutengaje sauti ya mtu binafsi kutoka kwa mchanganyiko?

Mfano huo unatabiri kinyago kwa kila msemaji; kuitumia kwenye mchanganyiko huweka maudhui ya mzungumzaji na kukandamiza mengine.

'Uchimbaji wa kipaza sauti lengwa' ni nini?

Badala ya kutenganisha kila mtu, unatoa kidokezo cha sauti na muundo huo unatoa spika lengwa pekee.

Endelea kujifunza

Miongozo inayohusiana

Miongozo zaidi imechaguliwa kwa mada hii

Pata cheti cha AI bureKozi fupi na mtihani bila malipo. Bila kadi. Hata dakika 2.5.Anza bure →