В Google научили нейросеть выделять отдельные голоса в толпе

В Google создали систему машинного обучения, которая способна выделять отдельные голоса, анализируя лица людей в то время, когда они говорят.

Исследователи компании обучили нейросеть распознавать отдельных говорящих людей, а затем создали виртуальных «собеседников» (в комплекте с фоновым шумом), чтобы научить искусственный интеллект выделять несколько голосов в отдельные звуковые дорожки. В итоге ИИ создаёт видео, в котором голоса отдельных людей усиливаются, а все другие звуки подавляются.

Полученные результаты впечатляют: даже когда люди пытаются конкурировать друг с другом, устраивая словесный поединок, ИИ способен сгенерировать чистую аудиодорожку для каждого из них, концентрируясь на их лицах. Причём это возможно даже в том случае, когда человек частично закрывает своё лицо микрофоном или руками.

В настоящее время Google изучает возможности использования этой функциональности в своих продуктах. Например, в таких сервисах, как Hangouts и Duo, чтобы пользователи могли более комфортно общаться со своими собеседниками в людных местах.