El autocompletado de voz de Google puede encubrir fallas en las videollamadas

Categoría: Inteligencia artificial Al corriente 06 de abril

Las noticias: Ahora que muchos de nosotros dependemos de las videollamadas para la interacción cara a cara, las conexiones entrecortadas son más frustrantes que nunca. Una inteligencia artificial que imita la forma de hablar de un hablante individual puede suavizar las grietas llenando pequeños espacios con fragmentos del habla generada. Desarrollada por un equipo de Google, la tecnología ahora se utiliza en Duo, la aplicación de videollamadas de Google .

¿Cuál es el problema? Cuando estás en una llamada en línea, tu voz se corta en muchos pedazos pequeños que se comprimen a través de Internet en bloques de datos conocidos como paquetes. Los paquetes a menudo llegan desordenados al otro extremo y el software tiene que reordenarlos. Pero a veces los paquetes no llegan en absoluto, lo que crea fallas y lagunas en una conversación. Esto sucede en el mejor de los casos. Según Google, el 99% de las llamadas de Duo tienen que ver con paquetes desordenados o perdidos. Una décima parte de esas llamadas pierden más del 8% de su audio.

Generación de discurso: Para solucionar el problema, el equipo se basó en una red neuronal desarrollada por DeepMind que puede generar un discurso realista a partir del texto . Llamada WaveNetEQ, la nueva red neuronal se entrenó en un gran conjunto de datos de 100 voces humanas grabadas que hablaban 48 idiomas diferentes hasta que pudo completar automáticamente secciones cortas de voz basadas en patrones comunes en la forma en que la gente habla. Debido a que Duo está encriptado de extremo a extremo, la IA se ejecuta en el dispositivo, no en la nube. Durante una llamada, WaveNetEQ puede aprender las características de la voz de un orador y genera fragmentos de audio que coinciden tanto con el estilo como con el contenido de lo que dice el orador. Cuando se pierde un paquete, la voz generada por IA se inserta en su lugar.

Por ahora, la IA solo puede generar sílabas en lugar de palabras o frases completas. pero corto muestras publicadas en línea por Google muestran que los resultados pueden ser bastante realistas. En un caso, la IA reemplaza la segunda sílaba de la palabra problema en una voz que imita exactamente al hablante masculino.