Sjećate se neuronske mreže Yandex, koja je u hodu prevodila strane videozapise? Tvrtka ju je “nadogradila” podučavajući je
Raspravljati
Dakle, sada korisnici Yandex.Browsera mogu gledati videozapise na engleskom jeziku s višeglasnim glasovnim prijevodom na ruski.
Ako je tehnologija u početku koristila dva sintetizirana glasa za prijevod govora - jedan muški i jedan ženski - sada postoji dvanaest glasova. Po šest za svaki spol.
Prijavljeno je da neuronska mreža "distribuira" glasove različitim govornicima, nakon čega ih "pamti" pomoću AI modela stvorenih unutar Yandexa.
I sve to djeluje prilično višeslojno:prvo jedna neuronska mreža prevodi govor u tekst, vraća interpunkciju i određuje granice rečenica, a zatim druga analizira spektrogram glasa i označava fragmente koje govore različiti ljudi.