Inteligencia artificial de Google puede seleccionar voces específicas entre una multitud

Comparta este Artículo en:

Podría aumentar la calidad de audio en chats de video y audífonos.

Los humanos suelen ser buenos para aislar una sola voz en una multitud, ¿pero las computadoras?

Google puede tener una solución sorprendentemente sencilla.

Sus investigadores han desarrollado un sistema de aprendizaje profundo que puede seleccionar voces específicas mirando las caras de las personas cuando están hablando.

El equipo entrenó su modelo de red neuronal para reconocer a personas individuales que hablan y luego crearon “fiestas” virtuales (con ruido de fondo) para enseñar a la inteligencia artificial cómo aislar múltiples voces en distintas pistas de audio.

Los resultados son asombrosos.

Incluso cuando las personas claramente intentan competir entre sí (como los comediantes Jon Dore y Rory Scovel en el clip de Team Coco), la inteligencia artificial puede generar una pista de audio limpia para una persona simplemente enfocándose en su rostro.

Eso es cierto incluso si la persona oculta parcialmente su rostro con gestos con las manos o un micrófono.

Google actualmente está “explorando oportunidades” para usar esta función en sus productos, pero hay más de unos pocos candidatos principales.

Es potencialmente ideal para servicios de video chat como Hangouts o Duo, donde podría ayudarlo a entender a alguien hablando en una sala llena de gente.

También podría ser útil para mejorar el habla en grabación de video.

Y hay grandes implicaciones para la accesibilidad: podría llevar a audífonos conectados a cámaras que aumenten el sonido de quien esté frente a usted, y a un subtitulado más efectivo.

Existen posibles problemas de privacidad (esto podría usarse para escuchar a escondidas en público), pero no sería demasiado difícil limitar la separación de voz a personas que claramente dieron su consentimiento.

Fuente: Engadget