Gezicht van een robot, stem van een engel?

De laatste keer dat je een computer een regel tekst in spraak hoorde omzetten, was dat waarschijnlijk een schok. De machine learning-divisie van Google, DeepMind, heeft een nieuw spraaksynthesesysteem ontwikkeld met behulp van kunstmatige intelligentie waarvan het denkt dat het de situatie zal verbeteren.

Het is geen nieuw idee om een ​​computer het geluid van een stem te laten genereren. Misschien is de meest gebruikelijke benadering gewoon om een ​​ongelooflijk grote selectie van vooraf opgenomen spraakfragmenten van één persoon te gebruiken. In een techniek die concatenatieve synthese wordt genoemd, worden deze samengevoegd om grotere geluiden, woorden en zinnen te creëren. Dat is de reden waarom veel computergegenereerde spraak vaak last heeft van glitches, eigenzinnige veranderingen in intonatie en haperingen in de uitspraak.

De andere concurrerende benadering maakt gebruik van wiskundige modellen om bekende geluiden opnieuw te creëren die vervolgens worden samengevoegd tot woorden en zinnen. Hoewel deze zogenaamde parametrische benadering minder vatbaar is voor glitches, klinkt het uiteindelijk robotachtig. Wat de twee benaderingen echter verenigt, is dat ze allebei stukjes geluid aan elkaar naaien, in plaats van de hele audiogolfvorm helemaal opnieuw te creëren.

Dat is echter precies wat de aanpak van DeepMind doet. De convolutionele neurale netwerken van WaveNet worden aangeleerd door ze clips van echte menselijke stemmen en de bijbehorende linguïstische en fonetische kenmerken te geven, zodat ze patronen kunnen identificeren die de twee met elkaar in verband brengen. Tijdens gebruik wordt het systeem geleverd met een nieuwe reeks geluidsfuncties die zijn gegenereerd op basis van een regel tekst; dan probeert het de rauwe geluidsgolf te creëren om het helemaal opnieuw te vertegenwoordigen. Het doet dit stapsgewijs, waarbij eerst een sample van de geluidsgolf wordt gegenereerd, dan de volgende en de volgende - op elk punt met behulp van informatie over de samples die het al heeft gemaakt om een ​​nieuwe te helpen informeren.

De resultaten klinken overtuigend - je kunt ze hier zelf beluisteren . Vergeleken met de concatenatieve en parametrische benaderingen is het merkbaar menselijker.

Er is echter een addertje onder het gras: de techniek vereist een hoop rekenkracht. Omdat WaveNet de volledige golfvorm moet creëren, moet het zijn neurale netwerkprocessen gebruiken om 16.000 samples te genereren voor elke seconde audio die het produceert (en zelfs dan is het geluid alleen gelijk aan de kwaliteit van het geluid dat wordt verzonden via telefoon of VoIP-gesprekken). Volgens een DeepMind-bron die sprak met de Financiële tijden (betaalmuur), wat betekent dat het voorlopig niet in een van de producten van Google zal worden gebruikt.

Toch is het niet het enige taalprobleem waarmee computers worden geconfronteerd. Het interpreteren van spraak en het geschreven woord is ook notoir moeilijk voor kunstmatige-intelligentiesystemen. Tenminste, in dit tempo, wanneer computers de middelen kunnen verzamelen om echt intelligente overpeinzingen te genereren, zullen ze ze ook met een zwaai aan ons kunnen communiceren.

(Lees verder: DeepMind , Financiële tijden , AI's taalprobleem)

zich verstoppen