Microsoft da vida al traductor de voz de Star Trek

Podría ser la mejor opción para aprender un nuevo idioma. Los investigadores de Microsoft han demostrado un software que traduce el inglés hablado al chino hablado casi instantáneamente, al tiempo que conserva la cadencia única de la voz del hablante, un truco que podría hacer que la conversación sea más efectiva y personal.

La primera manifestación pública fue realizada por Rick Rashid , Director de investigación de Microsoft, el 25 de octubre en un evento en Tianjin, China. Estoy hablando en inglés y escucharán mis palabras en chino con mi propia voz, dijo Rashid a la audiencia. El sistema funciona reconociendo las palabras de una persona, convirtiendo rápidamente el texto en oraciones chinas correctamente ordenadas y luego entregándolas al software de síntesis de voz que ha sido entrenado para replicar la voz del hablante.

El video grabado por miembros de la audiencia ha estado circulando en los sitios de redes sociales chinos desde la manifestación. Rashid presentó la demostración a una audiencia de habla inglesa en un entrada en el blog hoy que incluye un video.

Microsoft demostró por primera vez la tecnología que modifica el habla sintetizada para que coincida con la voz de una persona a principios de este año (consulte El software traduce su voz a otro idioma). Pero este sistema solo podía hablar texto mecanografiado. El software requiere aproximadamente una hora de entrenamiento para poder sintetizar el habla en la voz de una persona, lo que hace ajustando un modelo de texto a voz estándar para que emita ciertos sonidos de la misma manera que lo hace el hablante.

AT&T ha mostrado anteriormente un sistema de traducción en vivo para español e inglés (vea AT&T quiere poner su voz a cargo de las aplicaciones), y se sabe que Google ha creado sus propios traductores experimentales en vivo. Sin embargo, los prototipos desarrollados por estas empresas no tienen la capacidad de hacer que el habla sintetizada coincida con el sonido de la voz de una persona.

El sistema de Microsoft es una demostración de la última tecnología de reconocimiento de voz de la empresa, que se basa en un software de aprendizaje que se basa en el funcionamiento de las redes de células cerebrales. En una publicación de blog sobre el sistema de demostración, Rashid dice que el cambio a esa tecnología ha permitido el salto más significativo en la precisión del reconocimiento en décadas. En lugar de tener una palabra de cada cuatro o cinco incorrectas, ahora la tasa de error es de una palabra de cada siete u ocho, escribió.

Microsoft no es el único que busca redes neuronales para mejorar el reconocimiento de voz. Google comenzó recientemente a utilizar su propia tecnología basada en redes neuronales en sus aplicaciones y servicios de reconocimiento de voz (consulte Google Puts Its Virtual Brain Technology to Work). La adopción de este enfoque proporcionó entre un 20 y un 25 por ciento de mejora en las tasas de error de palabras, dicen los ingenieros de Google.

Rashid le dijo a MIT Technology Review por correo electrónico que él y los investigadores de Microsoft Research Asia, en Beijing, aún no han usado el sistema para tener una conversación con nadie fuera de la empresa, pero la demostración pública ha despertado un gran interés.

Lo que he visto es una combinación de entusiasmo, asombro y optimismo sobre el futuro que la tecnología podría traer, dice.

Rashid dice que el sistema está lejos de ser perfecto, pero señala que es lo suficientemente bueno como para permitir la comunicación donde de otro modo no sería posible. Los ingenieros que trabajan en el enfoque basado en redes neuronales en Microsoft y Google son optimistas de que pueden sacar mucho más poder de la técnica, ya que recién se está implementando.

Todavía no conocemos los límites de precisión de esta tecnología; en realidad, es demasiado nueva, dice Rashid. A medida que continuamos 'entrenando' el sistema con más datos, parece que funciona cada vez mejor.

esconder