"OK, Google" aktiviert zahlreiche smarte Geräte. Wenn dann auch noch mehrere Personen durcheinandersprechen, ist der Google Assistant überfordert. Eine verbesserte Spracherkennung soll dieses Problem beseitigen.
Google-Forscher haben eine verbesserte KI für Spracherkennung vorgestellt, die Stimmen einzelner Sprecherinnen in einem Raum identifizieren und unabhängig voneinander verarbeiten kann. Die KI-Software läuft lokal auf einem mobilen Gerät. Dadurch können etwa zwei Smartphones von zwei Personen gleichzeitig in Echtzeit per Spracheingabe gesteuert werden.
Die neue Spracherkennung VoiceFilter-Lite basiert auf Googles VoiceFilter von 2018. Die alte Version konnte bereits erfolgreich die Stimme eines Sprechers von Hintergrundgeräuschen wie anderen Stimmen, Musik oder Verkehr isolieren.
Die alte Version hatte jedoch einen Nachteil: Sie lief nur in der Cloud – eine gute Spracherkennung gibt es also nur mit Internetanbindung.
VoiceFilter-Lite läuft auf mobilen Geräten ohne Anschluss ans Netz: Das KI-Modell ist lediglich 2,2 Megabyte groß, läuft in Echtzeit auf mobilen Prozessoren und erkennt Wörter je nach Umgebung zwischen 15 und 25 Prozent besser als die Vorgängerversion. Wie VoiceFilter 2018 wird auch die Lite-Version mit Google Voice Match auf die eigene Stimme trainiert.
"Plug and Play"-KI spricht bisher nur Englisch
VoiceFilter-Lite wurde mit Sprachaufnahmen mit und ohne Hintergrundgeräuschen in der Form von Mel-Filterbanken und einem Vektor trainiert, der die Identität der Sprecherin repräsentiert. Beim Training versucht die Künstliche Intelligenz, die Aufnahmen zu säubern, und lernt so den Unterschied zwischen gestörter und klarer Aufnahme.
Laut Google ist VoiceFilter-Lite ein "Plug and Play"-Modell, kann also in bestehende Spracherkennungssysteme eingebunden und unabhängig von diesen trainiert werden. Das kann zum Beispiel dann nützlich sein, wenn Nutzer einen Sprachassistenten nicht mit ihrer Stimme trainieren wollen. Dann lässt sich VoiceFilter-Lite einfach umgehen und Nutzer müssen kein separates Spracherkennungsmodell laden.
Aktuell funktioniert die bessere Spracherkennung nur in englischer Sprache, die KI-Forscher von Google wollen aber weitere Sprachen testen. Die Filterleistung lasse sich wohl ebenfalls weiter erhöhen, schreiben die Forscher in einem Blog-Beitrag. Ob und wann die verbesserte Sprachanalyse-KI bei Nutzern landet, geht aus der Forschungsarbeit nicht hervor.
Quelle: Google