Systém pre načúvací prístroj SpeakerBeam zosilní hlasy konkrétnych ľudí
- Autor:
- Roman Mališka
- Zverejnené:
- 20. 10. 2023
- Hodnotenie:
- Už ste hlasovali.
Dokonca aj pri používaní načúvacieho prístroja môže byť pre nepočujúcich dosť ťažké rozoznať hlasy konkrétnych jednotlivcov v hlučnom prostredí. Pomôcť by mohol nový systém SpeakerBeam, ktorý automaticky rozpozná a zosilní hlas vybranej osoby.
V preplnených prostrediach, ako sú spoločenské stretnutia, konvenčné načúvacie prístroje jednoducho zosilňujú všetok zvuk v miestnosti. Výsledkom je, že zosilnený hlas ktorejkoľvek osoby je prehlušený zvýraznenými hlasmi všetkých ostatných. Tento jav je známy ako „efekt koktailovej párty“.
Niektoré technológie, ktoré možno implementovať do existujúcich načúvacích prístrojov, riešia problém izoláciou a zosilnením hlasu jednotlivca nachádzajúceho sa priamo pred používateľom načúvacieho prístroja. Tieto systémy fungujú, ale len dovtedy, kým hovoriaci a nepočujúci zostanú v orientácii tvárou v tvár.
Nový systém s názvom SpeakerBeam, ktorý vyvinuli vedci z japonskej NTT Corporation, má iný prístup. Využíva dve neurónové siete, z ktorých jedna musí byť najprv natrénovaná na 10-sekundový záznam hlasu hovoriaceho. Táto sieť analyzuje nahrávku, ktorá je známa ako „adaptačný prejav“, určuje presné kvality hlasu, vďaka ktorým je jedinečný.
V následnom prostredí podobnom koktailovej párty druhá neurónová sieť používa tieto údaje hlasového podpisu na výber hlasu hovoriaceho od hlasu iných ľudí nachádzajúcich sa v blízkosti. Potom zosilní iba tento hlas a pokračuje v tom, aj keď sa reproduktor a používateľ od seba odvrátia.
Samozrejme, jedna nevýhoda technológie SpeakerBeam spočíva v tom, že vyžaduje úvodný adaptačný prejav. To znamená, že by to nefungovala v scenároch, v ktorých hovoriaci ešte neposkytol vzorku hlasu. Niekedy je tiež zmätená, keď dvaja ľudia s podobnými hlasmi hovoria súčasne. Vedci pracujú na riešení tohto problému vylepšením algoritmu rozpoznávania hlasu a identifikáciou smeru, z ktorého každý hlas prichádza.
