„Google“ dirbtinis intelektas dabar gali išversti jūsų kalbą, išlaikydamas jūsų balsą

JT generalinio sekretoriaus Ban Ki-moono vaizdas, besiklausantis vertimo įrenginio EMILIO MORENATTI / AP

Klausykite šio ispaniško garso klipo.

Taip gali skambėti jo vertimas į anglų kalbą, naudojant tradicinę automatinio vertimo sistemą.

Dabar taip skamba naudojant naują „Google“ automatinio vertimo sistemą.

Rezultatai nėra tobuli, tačiau galite išgirsti, kaip „Google“ vertėjas sugebėjo išlaikyti pradinio garsiakalbio balsą ir toną. Jis gali tai padaryti, nes konvertuoja garso įvestį tiesiai į garso išvestį be jokių tarpinių žingsnių . Priešingai, tradicinės vertimo sistemos paverčia garsą tekstu, išverčia tekstą ir iš naujo sintezuoja garsą, prarasdamos pradinio balso savybes.

Naujoji sistema, pavadinta Translatotronas, turi tris komponentus, kurie visi žiūri į garsiakalbio garso spektrogramą – vaizdinį dažnių, naudojamų atkuriant garsą, momentinį vaizdą, dažnai vadinamą balso atspaudu. Pirmasis komponentas naudoja neuroninį tinklą, išmokytą susieti garso spektrogramą įvesties kalba su garso spektrograma išvesties kalba. Antrasis spektrogramą paverčia garso banga, kurią galima leisti. Tada trečiasis komponentas gali grąžinti pradinio garsiakalbio balso charakteristikas į galutinę garso išvestį.

Šis metodas ne tik sukuria daugiau niuansų vertimų, nes išlaiko svarbias neverbalines užuominas, bet teoriškai taip pat turėtų sumažinti vertimo klaidas, nes užduotį sumažina iki mažiau žingsnių.

Translatotron šiuo metu yra koncepcijos įrodymas. Bandymų metu mokslininkai išbandė sistemą tik su vertimu iš ispanų į anglų kalbą, kuri jau pareikalavo daug kruopščiai kuruojamų mokymo duomenų. Tačiau garso išvestis, tokia kaip aukščiau pateiktas klipas, parodo komercinės sistemos potencialą vėliau. Galite klausytis daugiau jų čia .

paslėpti