ویرگول
ورودثبت نام
آموزش chatgpt و LLM ها
آموزش chatgpt و LLM هااینجا جدیدترین تکنیک های مربوط به آموزش chatgpt و LLM ها بهت یاد می دم https://aliayoubi.com
آموزش chatgpt و LLM ها
آموزش chatgpt و LLM ها
خواندن ۵ دقیقه·۲ سال پیش

هدفون‌های هوش مصنوعی به شما این امکان را می‌دهند که به صدای یک نفر در میان جمعیت گوش کنید

در یک محیط شلوغ و پر سر و صدا، آیا تا به حال آرزو کرده‌اید که می‌توانید تمام صحبت‌های پس‌زمینه را تنظیم کنید و فقط روی شخصی که می‌خواهید به او گوش دهید تمرکز کنید؟ در حالی که هدفون های حذف کننده نویز پیشرفت های زیادی در ایجاد صفحه خالی شنیداری داشته اند، اما همچنان در تلاش هستند تا صداهای خاصی از محیط اطراف کاربر را فیلتر کنند. اما چه می‌شود اگر هدفون‌های شما طوری آموزش داده شود که صدای یک فرد مجرد را بگیرد و تقویت کند، حتی وقتی در اتاقی پر از مکالمات دیگر حرکت می‌کنید؟

Target Speech Hearing (TSH) ، یک سیستم هوش مصنوعی پیشگامانه که توسط محققان دانشگاه واشنگتن توسعه یافته است، در این زمینه پیشرفت می کند.

📷

شنوایی گفتار هدف چگونه کار می کند

برای استفاده از TSH، فردی که از هدفون مخصوص استفاده می‌کند، فقط باید برای چند ثانیه به فردی که می‌خواهد بشنود نگاه کند. این دوره کوتاه “ثبت نام” به سیستم هوش مصنوعی امکان می دهد الگوهای صوتی منحصر به فرد گوینده مورد نظر را بیاموزد و به آن متصل شود.

در زیر چگونه کار می کند:

  1. کاربر در حالی که سر خود را به سمت بلندگوی مورد نظر به مدت ۳-۵ ثانیه هدایت می کند، روی دکمه ای ضربه می زند.
  2. میکروفون های دو طرف هدست امواج صوتی را از صدای گوینده به طور همزمان دریافت می کنند (با حاشیه خطای ۱۶ درجه).
  3. هدفون این سیگنال صوتی را به یک کامپیوتر تعبیه شده روی برد منتقل می کند.
  4. نرم افزار یادگیری ماشینی صدا را تجزیه و تحلیل می کند و مدلی از ویژگی های صوتی متمایز گوینده ایجاد می کند.
  5. سیستم هوش مصنوعی از این مدل برای جداسازی و تقویت صدای گوینده ثبت‌شده در زمان واقعی استفاده می‌کند، حتی زمانی که کاربر در یک محیط پر سر و صدا حرکت می‌کند.

هرچه بلندگوی مورد نظر طولانی‌تر صحبت کند، داده‌های آموزشی بیشتری را سیستم دریافت می‌کند و به آن اجازه می‌دهد تا بهتر روی صدای مورد نظر تمرکز کرده و واضح‌تر شود. این رویکرد نوآورانه به “شنوایی انتخابی” دنیایی از امکانات را برای بهبود ارتباطات و دسترسی در محیط های شنیداری چالش برانگیز باز می کند.

شیام گولاکوتا نویسنده ارشد مقاله و استاد UW در دانشکده علوم و مهندسی کامپیوتر پل جی آلن است.

ما تمایل داریم که اکنون هوش مصنوعی را به عنوان چت ربات های مبتنی بر وب در نظر بگیریم که به سوالات پاسخ می دهند. اما در این پروژه، ما هوش مصنوعی را توسعه می‌دهیم تا درک شنوایی هر کسی که هدفون به سر دارد، با توجه به اولویت‌هایشان تغییر دهد. با دستگاه‌های ما اکنون می‌توانید یک بلندگو را به وضوح بشنوید، حتی اگر در محیطی پر سر و صدا باشید که افراد زیادی در حال صحبت کردن هستند.» – گولاکوتا

هدفون‌های هوش مصنوعی نویز را فیلتر می‌کنند تا یک صدا را در میان جمعیت بشنوید

تست هدفون هوش مصنوعی با TSH

تیم تحقیقاتی برای اینکه شنوایی گفتار هدف را به سرعت انجام دهد، مطالعه ای را با 21 شرکت کننده انجام داد. هر آزمودنی هدفون مجهز به TSH را می‌پوشید و یک بلندگوی هدف را در یک محیط پر سر و صدا ثبت می‌کرد. نتایج چشمگیر بودند – به طور متوسط، کاربران وضوح صدای گوینده ثبت نام شده را در مقایسه با فید صوتی فیلتر نشده تقریباً دو برابر بالاتر ارزیابی کردند.

این پیشرفت بر اساس کار قبلی این تیم بر روی “شنوایی معنایی” است، که به کاربران اجازه می داد محیط شنوایی خود را بر اساس طبقه بندی های از پیش تعریف شده صدا، مانند صدای جیر جیر پرندگان یا صدای انسان فیلتر کنند. TSH با فعال کردن تقویت انتخابی صدای یک فرد خاص، این مفهوم را یک قدم فراتر می برد.

پیامدهای آن بسیار مهم است، از تقویت مکالمات شخصی در محیط‌های با صدای بلند گرفته تا بهبود دسترسی برای افرادی که دارای اختلالات شنوایی هستند. همانطور که فناوری توسعه می یابد، می تواند اساساً نحوه تجربه و تعامل ما با دنیای شنوایی خود را تغییر دهد.

بهبود هدفون های هوش مصنوعی و غلبه بر محدودیت ها

در حالی که شنوایی گفتار هدف نشان دهنده یک جهش بزرگ در هوش مصنوعی شنوایی است، این سیستم در شکل فعلی خود دارای محدودیت هایی است:

  • ثبت نام تک سخنران: از هم اکنون، TSH را فقط می توان برای تمرکز روی یک بلندگو در هر زمان آموزش داد. ثبت نام چندین بلندگو به طور همزمان هنوز امکان پذیر نیست.
  • تداخل منابع صوتی مشابه: اگر صدای بلند دیگری از همان جهت بلندگوی مورد نظر در طول فرآیند ثبت‌نام می‌آید، سیستم ممکن است برای جداسازی الگوهای صوتی فرد مورد نظر تلاش کند.
  • ثبت نام مجدد دستی: اگر کاربر پس از آموزش اولیه از کیفیت صدا راضی نبود، باید به صورت دستی بلندگوی مورد نظر را مجدداً ثبت نام کند تا وضوح را بهبود بخشد.

علیرغم این محدودیت ها، تیم دانشگاه واشنگتن به طور فعال در حال کار بر روی پالایش و گسترش قابلیت های TSH است. یکی از اهداف اصلی آنها کوچک کردن این فناوری است که به آن اجازه می دهد به طور یکپارچه در محصولات مصرفی مانند هدفون و سمعک ادغام شود.

از آنجایی که محققان به دنبال کردن مرزهای ممکن با هوش مصنوعی شنیداری ادامه می‌دهند، کاربردهای بالقوه بسیار گسترده است، از افزایش بهره‌وری در محیط‌های اداری که حواس‌پرتی ایجاد می‌کند تا تسهیل ارتباطات واضح‌تر برای اولین پاسخ‌دهندگان و پرسنل نظامی در موقعیت‌های پر خطر. آینده شنوایی انتخابی روشن به نظر می رسد و شنوایی گفتار هدف نقشی اساسی در شکل دادن به آن ایفا می کند.

۱
۰
آموزش chatgpt و LLM ها
آموزش chatgpt و LLM ها
اینجا جدیدترین تکنیک های مربوط به آموزش chatgpt و LLM ها بهت یاد می دم https://aliayoubi.com
شاید از این پست‌ها خوشتان بیاید