Xiaomi koristi samostalno razvijenu govornu tehnologiju za pomoć osobama s poremećajima u govoru

Xiaomi, kompanija za potrošačku elektroniku i pametnu proizvodnju sa pametnim telefonima i hardverom koji je u suštini povezan sa IoT platformom, predstavio je najnoviju primenu naprednih algoritama i sopstvene tehnologije govora u oblasti pristupačnosti.

Tehnologija Text-To-Speech, koju je razvio Xiaomi AI Lab, koristi se za generisanje jedinstvenog i prilagođenog glasa za korisnike sa poremećajima govora.

Korisnik sada može da komunicira sa drugim ljudima koristeći „sopstveni glas“ umesto tipičnog monotonog elektronskog glasa.

Kao deo predistraživačkog projekta Xiaomi tehničkog komiteta „Own My Voice“, ovaj uspešan pokušaj demonstrira Xiaomi posvećenost filozofiji i misiji „Tech for Good“ da „učini da svi ljudi na svetu uživaju u boljem životu kroz inovativne tehnologije“.

Zašto je Xiaomi pokrenuo ovaj projekat?

Xiaomi brine o ljudima i kroz tehnološke inovacije nastoji da zadovolji njihove različite potrebe. Otkrio je želju mnogih korisnika sa smetnjama u govoru da koriste sopstveni glas za svakodnevnu komunikaciju i osnovao projektni tim „Ovn Mi Voice” da pozove korisnike sa smetnjama u govoru kao primaoce glasa.

Zhu Ksi, šef tehnološkog komiteta za Tech for Good u Xiaomi Corporation, rekao je: „Uzbuđeni smo što istražujemo višestruku vrednost koju nam donose tehnološke inovacije, kao što je odgovaranje na zahteve korisnika za sopstvenim identitetom i izgradnjom identiteta.

Kako je Xiaomi sproveo projekat?

Da bi generisao najprikladniji, personalizovani glas za primaoca, projektni tim je angažovao više od 200 volontera u okviru kompanije Xiaomi da doniraju svoje glasove.

Koristili su algoritam za podudaranje otiska glasa da upare karakteristike glasova doniranih volontera sa glasovima primaoca.

Ovim pristupom pronašli su najprikladniji glas kao osnovni zvučni referentni zvuk za primaoca. Što se tiče personalizacije i zaštite privatnosti, odabranim pravim glasom se manipulisalo složenim akustičnim modifikacijama kako bi se formirao nov i originalan zvuk glasa.

Tehnologija Text-To-Speech u spontanom stilu je tada korišćena za obuku AI modela, dajući ovom novom glasu prirodan ritam i intonaciju koja može zaista da izrazi nečiju emociju i ton.

Projekat „Own My Voice“ kombinuje niz najsavremenijih algoritama sa Xiaomi-ovom samorazvijenom govornom tehnologijom kako bi se osigurala specifičnost, sigurnost i visoka autentičnost sintetizovanog glasa, stvarajući novu ideju prilagođene sinteze govora za korisnici sa smetnjama u govoru.

Kakav je značaj ovog projekta?

Okosnicu ovog projekta čini grupa stručnjaka za govornu tehnologiju iz Xiaomi AI Lab.

Od 2017. godine objavili su 37 radova o govoru u zbornicima vrhunskih međunarodnih konferencija, poput Međunarodne konferencije o akustici, govoru i obradi signala (ICASSP). Uspeh „Own My Voice“ u velikoj meri zavisi od tehnologije spontanog stila Text-To-Speech koju su razvili.

Tehnologija Text-To-Speech u spontanom stilu u suštini čini da sintetizovani glas zvuči kao ljudski u svojoj intonaciji, pauzi, brzini i drugim karakteristikama.

Ovo zamenjuje monoton i neprirodan osećaj elektronskog glasa prirodnijim. Trenutno se ova tehnologija primenjuje na mnoge pametne uređaje koji koriste Xiaomi, AI glasovnog asistenta kompanije Xiaomi.

Projekat „Own My Voice“ pokazuje da tehnologija Text-To-Speech spontanog stila takođe može biti široko prihvaćena u oblastima pristupačnosti i poboljšati korisničko iskustvo.

Džu Si dodaje: „Ako uočimo potrebe manjinskih grupa u ranoj fazi i odgovorimo na njih, proces proširenja tehnologije mogao bi biti znatno skraćen. To omogućava da prednosti novih tehnologija postanu trenutno dostupne korisnicima sa posebnim potrebama.“

Ubuduće, Xiaomi će nastaviti da dobija povratne informacije od primalaca glasa i nastaviće da proučava izvodljivost ovog projekta u širem opsegu.

Xiaomi će nastaviti da jača dostupnost kroz najsavremeniju tehnologiju, nastojeći da zadovolji različite potrebe ljudi kroz tehnološke inovacije.

Izvor: SEEbiz