Google Research、複数音から特定の発話者だけの声を聞こえるようにするDeep learningを用いた視聴覚音声分離モデル発表

Google Research、複数音から特定の発話者だけの声を聞こえるようにするDeep learningを用いた視聴覚音声分離モデル発表 2018-04-12 Google Researchは、Deep learningを用いて、複数の音から1人の音声だけを抜き出す視聴覚音声分離モデル「Looking to Listen at the Cocktail Party」を発表しました。 論文：Looking to Listen at the Cocktail Party: A Speaker-Independent Audio-Visual Model for Speech Separation 著者：Ariel Ephrat, Inbar Mosseri, Oran Lang, Tali Dekel, Kevin Wilson, Avinatan Hassidim, William T.

[masadream]

すごみ

[LaclefYoshi]

すげえ

[braitom]

すごいな。“他の人の音声や背景の雑音などの混合音から単一の音声信号を分離するDeep learningを用いたモデルを提案します”

[applesin]

ついにきた

[toaruR]

すばらしい

[richard_raw]

カクテルパーティー効果！

[vvakame]

はぇー口の動きも使うのか

[kinushu]

すごい…

[zetta1985]

Cloud Speech APIの欠点解消か

[aquarickn]

すごいしか言えない

[noraox]

やはりゲートとコムフィルタっぽいのはどうしようもないのかな？とはいえ人力でもここまでは出来ないかな。すごい。