网站导航
网易科技讯11月29日消息，据外媒报道，一种新型的语音合成器可以跳过语音记录，而直接将说话者嘴部动作转换为语句。
该设备能“观看”嘴唇的动作，并利用人工智能网络将它们转换成声音。
研究人员表示，该设备将能帮助声带麻痹患者发声，向脑机接口又迈进一步。
描述该装置的研究发表在《PLOS计算生物学》期刊上。
这项研究的作者来自法国国家科学研究中心。文章中提到，“这种语音合成器将人体主要语音发音器（舌，颚，口和嘴唇）的运动转换成智能语音。”
说话者的发言，以及嘴部各个部位的位置会被同时记录，然后通过人工智能网络算法进行分析。
此处使用的人工智能算法是基于人类大脑建模的深层神经网络（DNN）。算法设计针对偏复杂的模式识别。
该深层神经网络DNN通过测量舌头、下颚、软腭和嘴唇的协调动作（又称为”发音语音信号“）来识别嘴正在发音的某个词语。
作者解释道，DNN计算模型对这些测量的数据进行训练，将“发音语音信号”转换成“声学语音信号”。
作者提到，这项研究中，我们让用于训练DNN模型的用户，以及陌生新用户都来测试语音合成器的实时控制性能，从而评估它在是否能很好地成为脑机接口的一部分。
“语音脑机接口将能通过解码皮层的语言相关活动，实时控制语音合成器，从而帮助有严重发声障碍的人恢复交流。
为帮助连声道都无法震动的患者“说话”，科学家将必须掌握如何解码大脑信号，并将其翻译成语音。
使用人工智能来解码语音和语言已有先例。
谷歌不久前推出了多语言之间机器翻译系统。该系统被成为“Zero-Shot翻译系统“，并具有自我学习能力。它能将未学习过的两种语言翻译成一种已经学习过的语言 ——换言之，通过人工智能训练学习了如何实现X语言对Y语言的翻译后，系统就能立即自动掌握从X到Z语言的翻译。
Google Brain的博文把这项翻译技术称为神经机器翻译系统（Google Neural Machine Translation ，简称GNMT）。
相关文章
精彩导读
热门资讯