Tiếp theoHướng dẫn tiếp theo
Tách nguồn nhạc Demucs
AI âm thanh
HƯỚNG DẪN AI âm thanh
Sự tách biệt lời nói và vấn đề tiệc cocktail
Tách giọng nói là nhiệm vụ tách từng giọng nói ra khỏi bản ghi âm trong đó nhiều người nói chuyện cùng một lúc.
Nghe hướng dẫn nàyAI thuật lại · ~2 min
Trên trang nàyĐọc trong 2 phút
Tổng quan
It tackles the 'cocktail party problem' that humans solve effortlessly but machines find genuinely hard.
Lặn sâu
Tại một bữa tiệc ồn ào, bạn có thể tập trung vào một cuộc trò chuyện trong khi lọc ra phần còn lại, một khả năng mà nhà tâm lý học Colin Cherry đã đặt tên là 'vấn đề về bữa tiệc cocktail' vào năm 1953. Máy tính gặp khó khăn vì các giọng nói chồng chéo hòa trộn thành một dạng sóng duy nhất và hệ thống không biết trước có bao nhiêu loa tồn tại hoặc âm thanh nào thuộc về ai. Các thuật toán tách giọng nói lấy âm thanh hỗn hợp đó và tạo ra một bản nhạc rõ ràng, riêng biệt cho mỗi loa. Các phương pháp tiếp cận ban đầu sử dụng phương pháp thống kê và mảng micrô để khai thác các tín hiệu không gian. Bước đột phá đến với các mô hình học sâu như Deep Clustering và TasNet/Conv-TasNet, học cách che giấu hoặc tái tạo lại từng giọng nói trực tiếp từ dạng sóng, ngay cả với một micrô duy nhất.
Triển khai trong thế giới thực
Công cụ phiên âm cuộc họp tách biệt những người nói chồng chéo để lời nói của mỗi người được ghi chính xác trong ghi chú.
Máy trợ thính tiên tiến cách ly một người nói trong một nhà hàng đông đúc để người đeo dễ dàng trò chuyện hơn.
Quá trình sản xuất âm nhạc và podcast sử dụng tính năng tách biệt để tách giọng hát khỏi các nhạc cụ hoặc gỡ rối nhiễu xuyên âm giữa các máy chủ.
Đường dẫn nhận dạng giọng nói phân tách trước âm thanh hỗn hợp để mỗi giọng nói có thể được phiên âm chính xác.
Tương lai của sự tách biệt lời nói và vấn đề tiệc cocktail
Sự tách biệt đang tiến tới các điều kiện mở, trong thế giới thực: số lượng loa không xác định và thay đổi, phòng vang vọng và âm thanh phát trực tiếp liên tục. Việc trích xuất người nói mục tiêu, trong đó bạn cung cấp cho mô hình một mẫu giọng nói ngắn để chỉ lấy người đó ra, đang tăng lên nhanh chóng. Các mô hình nghe nhìn kết hợp sử dụng chuyển động của môi để phân biệt giọng nói. Mong đợi những khả năng này được tích hợp trong máy trợ thính, tai nghe nhét tai và phiên âm cuộc họp, cho phép thiết bị làm nổi bật bất kỳ ai bạn muốn nghe.
Đưa nó vào thực tế
Tại sao nó quan trọng
- Truy cập và tiếp cận. Nó cải thiện khả năng tiếp cận thông qua phiên âm, tường thuật và giao diện giọng nói.
- Chi phí và ngân sách. Các nhóm truyền thông có thể gửi âm thanh tinh tế nhanh hơn với ngân sách nhỏ hơn.
- Tốc độ và tỷ lệ. Các hệ thống hướng tới khách hàng có thể xử lý các tương tác bằng giọng nói ở quy mô lớn hơn.
coi chừng
- Rủi ro lạm dụng giọng nói và mạo danh sẽ tăng lên khi thiếu sự đồng ý.
- Độ chính xác có thể giảm đối với các giọng, phương ngữ hoặc môi trường ồn ào.
- Âm thanh tổng hợp có thể bị nhầm lẫn với lời nói đích thực nếu không có nhãn rõ ràng.
Các bước tiếp theo
- Nhận được sự đồng ý rõ ràng để thu âm, sao chép và tái sử dụng giọng nói.
- Kiểm tra chất lượng trên nhiều loa và điều kiện nền khác nhau.
- Xác định khi nào con người phải xem xét hoặc phê duyệt kết quả đầu ra.
- Dán nhãn âm thanh tổng hợp và lưu giữ hồ sơ xuất xứ để đảm bảo trách nhiệm giải trình.
Tiếp tục khám phá
Bản tin miễn phí
Nhận bản tóm tắt AI hàng ngày
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Take the Speech Separation and the Cocktail Party Problem quiz
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Câu hỏi thường gặp
What is Speech Separation and the Cocktail Party Problem?
Tách giọng nói là nhiệm vụ tách từng giọng nói ra khỏi bản ghi âm trong đó nhiều người nói chuyện cùng một lúc. Nó giải quyết 'vấn đề về bữa tiệc cocktail' mà con người có thể giải quyết dễ dàng nhưng máy móc lại thực sự khó khăn.
'Vấn đề tiệc cocktail' là gì?
Được Colin Cherry đặt ra vào năm 1953, nó mô tả thách thức khi tham dự một diễn giả khi có nhiều người nói chuyện cùng một lúc.
Đầu ra của hệ thống tách giọng nói khi có bản ghi hỗn hợp của nhiều người nói là gì?
Sự phân tách tạo ra một luồng sạch cho mỗi loa, loại bỏ các giọng nói chồng chéo trong hỗn hợp.
Conv-TasNet có gì khác biệt so với nhiều phương pháp phân tách trước đó?
Conv-TasNet sử dụng bộ mã hóa đã học trên âm thanh thô thay vì biểu đồ phổ cố định, cho phép phân tách có độ chính xác cao, độ trễ thấp.
Làm thế nào để nhiều mạng phân tách tách biệt một giọng nói riêng lẻ khỏi hỗn hợp?
Mô hình dự đoán mặt nạ cho mỗi người nói; áp dụng nó vào hỗn hợp sẽ giữ nguyên nội dung của người nói và loại bỏ phần còn lại.
'Trích xuất người nói mục tiêu' là gì?
Thay vì tách biệt mọi người, bạn cung cấp tín hiệu giọng nói và mô hình chỉ trích xuất người nói mục tiêu đó.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này