Спомняте ли си невронната мрежа Yandex, която превежда чуждестранни видеоклипове в движение? Компанията я „надгради“, като я научи
Обсъдете
И така, сега потребителите на Yandex.Browser могат да гледат видеоклипове на английски с многогласен гласов превод на руски.
Ако първоначално технологията използваше два синтезирани гласа за превод на реч - един мъжки и един женски, сега има дванадесет гласа. По шест за всеки пол.
Съобщава се, че невронната мрежа „разпределя“ гласове на различни високоговорители, след което ги „запомня“ с помощта на AI модели, създадени в Yandex.
И всичко това работи доста многопластово:първо една невронна мрежа превежда речта в текст, възстановява пунктуацията и определя границите на изреченията, а след това друга анализира спектрограмата на гласа и маркира фрагменти, изречени от различни хора.