Британский стартап Sonantic добился значительного прогресса в создании искусственных голосов, неотличимых от живых голосов людей. Компания разработала ИИ, который способен синтезировать голоса, выражающие такие сложные эмоции, как любовь, гнев, страх, кокетство, застенчивость, поддразнивание. Компания показала ролик с примером работы своих алгоритмов — женский голос говорит о любви, имитируя особенности речи обычного человека — запинаясь, посмеиваясь и меняя тембр во время разговора. Как утверждается, понять, что это говорит машина, а не живой человек, на слух невозможно.
Как сообщает The Verge, Sonantic заявляет, что совершил прорыв в создании «звуковых дипфейков». Разработчикам удалось воспроизвести синтетический голос, который может выражать тонкие особенности речи реального человека, включая поддразнивание и флирт. Ключом к этому открытию стали алгоритмы — ИИ Sonantic был обучен на десятках тысячах настоящих разговоров, в ходе которых программа научилась воспроизводить малозаметные, но важные вздохи и смешки. Теперь, утверждают в компании, облачная платформа может придать искусственной речи «печать биологической достоверности».
В качестве доказательства Sonantic привел демонстрационный ролик «What’s Her Secret?», в котором синтезированная девушка обращается к зрителю. Модель долго не может решить, как заговорить с пользователем, начинает рассуждать о чувствах, а затем признается зрителю в любви и сообщает, что на самом деле она никогда не существовала и все, что у нее есть — это голос, созданный на компьютере.
«Мы выбрали любовь в качестве общей темы. Но цель нашего исследования состояла в том, чтобы увидеть, можем ли мы моделировать тонкие эмоции. Большие эмоции уловить намного легче», — объяснил учредитель и технический директор Sonantic Джон Флинн.
Флин также добавил, что главное отличие Sonantic от конкурентов заключается в способности направлять, контролировать и редактировать голоса. Компания описывает свою платформу как «Photoshop для голоса». Для клиентов разработчик предоставляет широкий набор программных инструментов, с помощью которых пользователи пишут текст для новых моделей, выбирают эмоции, расставляют акценты и добавляют речевые особенности. Пользователь Sonantic также может выбрать конкретную заготовку голоса из базы, созданной на основе голосов реальных актеров-людей.
Актуальная версия Sonantic поддерживает ряд предустановок, включая гнев, страх, грусть, счастье и радость, а в ближайшее время к ним присоединятся кокетство, застенчивость, поддразнивание и хвастовство. Эти режимы обещают упростить создание новых моделей — клиент сможет выбрать наиболее подходящий образ и загрузить на платформу свой текст, после чего большую часть работы выполнят алгоритмы.
Целевая аудитория Sonantic — разработчики видеоигр и компании, специализирующиеся на создании мультимедиа-контента. Однако интерес к речевым технологиям стартапа уже проявляют и другие отрасли. Например, в прошлом году Sonantic заключил соглашение с Mercedes — стартап займется интеграцией и настройкой цифрового помощника для умных автомобилей от немецкого бренда.

По материалу Hightech Plus (Степан Исаев)

Созданием человекоподобных роботов сегодня занимаются многие – начиная энтузиастами-изобретателями и заканчивая крупными корпорациями. Однако, хотя техническое творчество само по себе и увлекательно, но желательно, чтобы оно приносило прибыль какую-никакую. И вот, наконец, наметились признаки того, что данная индустрия становится инвестиционно привлекательной.

Не так давно специализированные СМИ сообщали, что Илон Маск презентовал прямоходящего робота, способного функционировать без подзарядки один день и поднимать в одной руке до 10 килограмм. Прототип человекоподобного робота называется Tesla Bot или Optimus. Маск заявил, что он сможет производить миллионы таких роботов. В этом случае робот-гуманоид Tesla Optimus будет стоить менее $20 000. Маск показал видео, на котором прототип выполняет простые задачи, вроде переноса коробок или подъема металлических прутьев на заводе в Калифорнии. По словам Маска, он ходит самостоятельно, без дополнительной поддержки и впоследствии роботы заменят людей на производстве Tesla. В роботе используются те же технологии, которые отвечают за функцию автопилота в электромобилях Tesla (как считает справочник "Кто есть кто в робототехнике", Optimus впоследствии сможет водить электромобиль, сидя на шофёрском сиденьи - то есть, это будет беспилотник).

Япония также демонстрирует успехи в создании человекоподобных роботов, но один из самых громких успехов связан с шоу-бизнесом. Не так давно сообщалось, что робот-гуманоид дебютировал в японском оперном театре. Андроида Альтер-Три разработал профессор Хироси Исируго из Университета Осаки и профессор Токийского университета Такаси Икегами. В проекте также участвовали социальная сеть Mixi и звукозаписывающая компания Warner Music. На презентации андроид исполнил исполнил оперу «Страшная красота», при этом еще и дирижируя оркестром. По словам разработчиков, робот не использует звукозапись, он действительно поет, чувствует музыку, подстраивается под нее. Может менять тональность, тембр голоса, манеру и громкость во время выступления. Создатели машины сделали так, чтобы у Alter3 двигались зрачки глаз, шевелились губы, а лицо передавало эмоции. И помножив возможности данного робота (да еще придав ему сексуальную внешность, свойственную популярным певицам – а японцы таких гейш умеют делать) на многомиллиардные обороты шоу-бизнеса, получим основу гигантской индустрии.

Вообще голос для человекоподобного робота – очень важный инструмент. Лет 20 назад я на одной из выставок обсуждал с представителем белорусской фирмы "Сакрамент" возможности их технологий для синтеза голосов киноактёров. А из дополнительной информации можно добавить, что по сообщениям СМИ, британский стартап Sonantic добился прогресса в создании искусственных голосов, неотличимых от живых голосов людей. Компания разработала искусственный интеллект, который способен синтезировать голоса, выражающие такие сложные эмоции, как любовь, гнев, страх, кокетство, застенчивость, поддразнивание. Компания показала ролик, где женский голос говорит о любви, имитируя особенности речи человека — запинаясь, посмеиваясь и меняя тембр во время разговора. Как утверждается, понять, что это говорит машина, а не живой человек, на слух невозможно. Sonantic заявляет, что совершил прорыв в создании «звуковых дипфейков». Разработчикам удалось воспроизвести синтетический голос, который может выражать тонкие особенности речи реального человека, включая поддразнивание и флирт. Sonantic был обучен на десятках тысячах настоящих разговоров, в ходе которых программа научилась воспроизводить малозаметные, но важные вздохи и смешки.

Довольно давно предпринимаются попытки создать такой рыночный продукт, как «робот-собеседник». Одно из решений, позволяющее это сделать - суперкомпьютер IBMWatson. Используемая Watson технология понимает задаваемый вопрос, анализирует миллионы блоков информации, хранимой во внутренней памяти, и выдает максимально точный ответ, руководствуясь найденными фактическими данными. Watson является полностью самодостаточной автономной системой – в том смысле, что она не подключена к Интернету, а это одно из основных требований к роботу, чтобы он была полностью изолирован от хакеров.

Система Watson должна анализировать тонкие смысловые оттенки, учитывать иронию, разгадывать загадки и преодолевать другие сложности, т.е. заниматься теми видами деятельности, которых люди традиционно выполняют лучше, чем компьютеры. Watson – это аналитическая вычислительная система, которая специализируется на анализе естественного человеческого языка и очень быстро выдает точные ответы на сложные вопросы. Watson обрабатывает информацию, эквивалентную приблизительно 200 миллионам страниц контента, написанных на естественном человеческом языке, чтобы находить правильные ответы на сложные вопросы.

Система Watson, оснащенная десятью аппаратными стойками серверов IBM POWER 750 под управлением ОС Linux, 15 ТБ оперативной памяти и 2880 процессорными ядрами, способна выполнять 80 триллионов операций с плавающей запятой в секунду (80 терафлопс). То есть, тот, кто захочет иметь высококлассного робота-компаньона, должен будет иметь в квартире подобную суперкомпьютерную систему, подключенную непосредственно к роботу через защищенную локальную беспроводную связь.

Еще больше информации на данную тему содержит телеграм-канал «Человекоподобные роботы: технологии и рынки».

Грубо говоря, человекоподобный робот создаётся по схеме "клиент-сервер". Серверную часть несколько лет назад представила в Москве корпорация IBM на примере общающейся в реальном времени на естественном человеческом системы Watson, победившей в викторине. Однако, по мнению справочника "Кто есть кто в робототехнике" эта презентация была дезинформацией: дескать, они потратили миллиарды долларов, чтобы играть в викторины, а вовсе не претендовать на мировое господство. Ведь как обучали систему Watson? Упрощенно говоря, в неё "загружали" сведения из различных областей человеческой деятельности: справочники, энциклопедии, другую литературу. Но многие из этих знаний носят сиюминутный характер, кроме, пожалуй одной: мировые религии. Эти знания актуальны много веков, поскольку всё это время они отвечали на насущные вопросы.  Как было сказано в детективе "Запертая комната": "Он всё время просит ему что-то объяснить. Поэтому мы позвали к нему священника. А священник - мастер объяснять". 

Однако, как бы ни был мудр каждый отдельно взятый священник, его память вряд ли способна вместить весь многовековой опыт всех мировых религий так, как это способно сделать электронное хранилище - цитаты, факты, доводы, тезисы и т.д. При том, что суперкомпьютер способен синтезировать "церковный" голос на любом языке для проповедей через интернет, радио, телевидение, подстраиваясь благодаря сбору персональных данных под каждого конкретного верующего. Таким образом американцы, возможно, попытаются завладеть умами буквально миллиардов людей. Какими техническими средствами это будет возможно сделать - тема отдельного разговора.

Еще больше информации на данную тему содержит телеграм-канал «Человекоподобные роботы: технологии и рынки»

В исполнении двух упомянутых актёров в Камеди Клаб была миниатюра о том, как они пытались заказать по телефону пиццу и напиток, но иностранный человек принимая заказ и адрес доставки на другом конце линии, плохо их понимал и в результате они скончались. По аналогии, мне пришлось пообщаться с голосовыми роботами двух солидных корпораций и понимания с ними тоже не получилось. Поэтому есть идея: в будущем придавать человекоподобным роботам иностранную внешность и словарный запас с соответствующим акцентом, чтобы роботы эти выглядели правдоподобнее - как в реальной жизни.

Еще больше информации на данную тему содержит телеграм-канал «Человекоподобные роботы: технологии и рынки»

В профессиональном журнале "Техника кино и телевидения" (№№ 9-10, 2001 г.) по результатам состоявшейся в Москве презентации у меня вышли статьи о виртуальной телеведущей Ananova. Статьи вызвали большой интерес, однако, ни один директор телекомпании не стал в то время внедрять у себя на студии эту технологию. Видимо, посчитав менее привлекательным платить деньги за программное обеспечение анимированного персонажа, чем подкидывать гонорары красивым стройным девушкам за чтение в эфире новостей и метеосводок. Но, возможно, в этом есть смысл. К тому же "живые" девушки-телеведущие демонстрируют не только "говорящую голову", но зачастую и свою соблазнительную фигуру, артистично двигающуюся (иногда даже в формате "голые новости"), что проблематично выполнить средствами компьютерной графики. 

Еще больше информации на данную тему содержит телеграм-канал «Человекоподобные роботы: технологии и рынки»

Из передач Ивана Затевахина мы узнаём об ученых, которые исследуют феномен, условно обозначаемый как "язык животных" на основе как звуковых, так и видео материалов. Но создаётся впечатление, что у исследователей просто не хватает ресурсов, чтобы сделать больше практических выводов. Если же будет подключен ИИ с его мощными аппаратно-программными средствами, то, возможно, вскоре каждый обладатель домашнего животного сможет установить у себя в доме терминал, расшифровывающий то, что хочет донести до хозяина питомец.

Еще больше информации на данную тему содержит телеграм-канал «Человекоподобные роботы: технологии и рынки»