Вoспрoизвeдeниe чeлoвeчeскoгo гoлoсa, сo всeми eгo тeмбрaми, интoнaциями и прoчими нюaнсaми, являeтся исключитeльнo труднoй зaдaчeй дaжe интересах сoврeмeнныx мoщныx кoмпьютeрoв. Кoгдa мы слышим речь таких программ, равно Siri, Alexa или GPS-навигатора, сразу становится ясно, что с нами говорит орудие. Это происходит из-за того, что большинство систем синтеза речи основываются получай библиотеках записанных ранее слов и фраз. И в результате работы таких систем из чего явствует скучная «механическая» речь, состоящая из часто повторяющихся выражений. Достаточно сильным медленный к улучшению качества работы синтезаторов речи может стать использование в них принципов искусственного интеллекта. Сие весьма наглядно продемонстрировала компании Lyrebird из Монреаля, разработавшая новый речевой компоновщик, способный воспроизвести голос любого человека и даже добавить ему соответствующую эмоциональную окраску.

Самым интересным является так, что для обучения голосу какого-либо человека системе Lyrebird приходится всего несколько десятков секунд аудиозаписей. И в качестве примера работы системы вы можете послушать приведенные далее аудиоролики, на которых система Lyrebird воспроизводит голоса Барака Обамы, Дональда Трампа и Хиллари Клинтон. Такое точное копировка особенностей голоса конкретного человека стало возможным благодаря использованию искусственных нейронных сетей, которые работают так же естественным биологическим нейронным сетям мозга человека. По сути, алгоритм нейронной бредень учится опознавать особенности речи конкретного человека, а затем эти же талант используются для синтеза искусственного голоса.

«Мы обучили нашу программу сверху огромном наборе аудиоданных фрагментов выступлений тысяч различных людей» — рассказывает Хосе Сотело (Jose Sotelo), ведущий исследователь, — «Полученная информация сжимается накануне вида компактного цифрового ключа, своего рода «голосовой ДНК». И на основе сего ключа система может воспроизводить любые слова и предложения, даже те, которые отнюдь не были задействованы в процессе ее обучения».

В настоящее время работа системы Lyrebird снова очень далека от идеала, в воспроизводимой речи присутствуют «цифровые артефакты», имеются проблемы с разборчивостью и другие другие странности, которые иногда ставят под сомнение то, кому именно подражает безотложно синтезатор. Тем не менее, все это работает сейчас в режиме реального времени, требует интересах обучения совсем небольшого количества исходных данных и, после соответствующих доработок, может превратиться с самый высококачественный речевой синтезатор на сегодняшний день.

Само собой разумеется, что наличность столь совершенного речевого синтезатора является источником ряда проблем этического плана и проблем с безопасностью. Если бы система позволит воспроизводить голос человека с точностью, не позволяющей отличить сие от оригинала, то откроется широкое поле деятельности для недобросовестных людей, которые смогут принуждать политических деятелей и других известных личностей. А хакеры смогут использовать такой формирователь для обхода систем защиты, в которых используется технология голосовой идентификации.

Представители компании Lyrebird считают, что же, благодаря появлению нового речевого синтезатора время, когда можно было бесспорно доверять различным аудиозаписям, заканчивается, как в свое время с появлением Фотошопа запрещается стало доверять снимкам, демонстрируемым нам с экрана компьютера. «Мы понимаем, зачем вследствие высокого уровня развития современных технологий такой речевой синтезатор появился бы получай свет рано или поздно» — пишут представители компании Lyrebird, — «Про исключения возможности злонамеренного использования речевого синтеза мы решили обнародовать все детали разработанной нами технологии. И да мы с тобой призываем начать постепенный отказ от принятия в качестве доказательств различных аудиозаписей, полученных, в первую очередность, из сомнительных источников».

Но, не стоит отчаиваться. Даже при идеальном воспроизведении голоса человека остается малую толику возможностей отличить фальшивую аудиозапись от оригинала. Существует множество аспектов, таких, по образу отсутствие фоновых шумом, несоответствующие или искусственно введенные фоновые шумы, присутствие фальшивого «акустического пространства» и многое другое, какими судьбами можно выделить из аудиозаписи и по чем можно судить о ее достоверности. К сожалению, ёбаный анализ возможен сейчас только при наличии специального оборудования, имеющегося километров не везде. Но, с учетом темпов развития современной вычислительной техники, с подобной задачей в недалеком будущем сможет справиться и обычный маршрутизатор, снабженный специализированным программным обеспечением.

Eсли вaм дoвoдилoсь испoльзoвaть прилoжeниe Snapchat, вы знaeтe, кaк прoстo прeврaтить вo чтo-нибудь курьeзнoe свoю фoтoгрaфию или фoтoгрaфию другoгo чeлoвeкa. Бог знает что подобное, только с совершенно иной целью, создала группа исследователей из Имперского колледжа в Лондоне (Imperial College London, ICL). Сии исследователи создали самую точную на сегодняшний день цифровую модель «среднего» человеческого лица, которая может браться использована для создания трехмерных моделей человеческих лиц на компьютере, создания персонифицированных персонажей в компьютерных играх, исполнение) систем безопасности, технологий распознавания лиц и т.п.

Когда компьютер обрабатывает изображение человеческого лица, возлюбленный в большинстве случаев использует метод трехмерной морфологической модели (3D morphable model, 3DMM). В качестве опорной точки в этом методе используется что-то вроде модели среднестатистического человеческого лица, а модель реального лица представляет собой мебель параметров, характеризующих величину отклонения ключевых точек на реальном лице с ключевых точек «среднего» лица. Помимо отклонений, в описание реального лица может жить(-быть включена дополнительная информация о возрасте, половой принадлежности и других признаков, но все воссоздание лица обычно умещается всего в пару-тройку сотен числовых значений.

Пользу кого того, чтобы метод 3DMM работал должным образом, ему в качестве опорной точки нужна универсальная средняя схема человеческого лица, подходящая для работы с лицами людей различных национальностей, пола и возрастов. Спор создания такой модели является кропотливым занятием, для этого необходимо взять снимки множества людей и тщательно промаркировать получай них все ключевые точки. Самые лучшие средние модели основаны для данных, полученных со снимков максимум двух сотен людей, преимущественно взрослых, словно снижает уровень их универсальности.

Исследователи из Имперского колледжа в Лондоне разработали отсадка полной автоматизации процесса составления 3DMM-моделей, что позволяет включить в них причина, полученные от достаточно большого количества людей. Созданный алгоритм автоматически может ставить метку все ключевые точки, такие, как кончик носа, мочки ушей и т.п. Во-вторых, алгоритм автоматически выстраивает снимки лица одного человека согласно их пространственной ориентации и составляет нате их базе трехмерную модель. И, в-третьих, алгоритм способен самостоятельно детектировать сделанные им но ошибки и удалить их из конечных результатов.

Созданному исследователями алгоритму был «скормлен» безмерный объем данных изображений лиц людей различного возраста, национальности и пола, полученных из разных источников, в часть числе с камер наблюдения, установленных в Лондонском музее науки и техники. В результате обработки сих данных была составлена новая модель среднего человеческого лица (large scale facial model, LSFM), которая, в качестве кого оказалось позже, является практически идеальной моделью.

Используя данные новой LSFM-модели, исследователи получи основе фотоснимков сгенерировали модели лиц детей разного возраста. И в данном случае все лица детей были похожи именно нате детские лица, в отличие от лиц, построенных по более примитивным 3DMM-моделям, которые пре всего напоминают взрослых людей, остановившихся на детском уровне развития. Больше того, программное обеспечение, использующее новую LSFM-модель, смогло более верно установить возраст, пол и даже национальную принадлежность человека по его фотоснимку.

Помимо всего вышеперечисленного, новая LSFM-модель была использована для генерации 100 тысяч изображений, использованных пользу кого обучения системы искусственного интеллекта на базе нейронной сети. После такого обучения нейронная яруча стала способна преобразовывать случайные двухмерные снимки лиц людей в достаточно точные трехмерные модели. В среднем же этот метод может быть использован для того, что бы посмотреть, (как) будто будет выглядеть тот или иной человек через 20 лет или что он выглядел лет 20 назад.

Следующим шагом, которые намерены натворить исследователи, станет введение во все новые алгоритмы понятия выражения лица. Сие позволит составлять еще более точные LSFM и 3DMM-модели и проводить распознавание по мнению снимкам, на которых человек улыбается, плачет, испытывает другие эмоции или общедоступно гримасничает.

Исслeдoвaтeли из Шкoлы инжeнeрныx и приклaдныx нaук Кoлумбийскoгo унивeрситeтa рaзрaбoтaли нoвую тexнoлoгию изгoтoвлeния фoтoнныx кoмпoнeнтoв интегральных схем, которые без- только имеют рекордно малые на сегодняшний день размеры, эти компоненты обеспечивают оптимальную и эффективную работу схем в беспрецедентно широком диапазоне длин волн света. Данная методика позволит в недалеком будущем создать мощные и эффективные оптические чипы и процессоры, которые станут основой новых систем оптических коммуникаций и оптической обработки информации.

Основой работы фотонных интегральных схем является использование расщепления и смешивания лучей света внутри волноводов. Используя сии методы можно управлять распространением света по структуре фотонного чипа, какой-никакой использует этот свет для передачи и обработки информации. «Мы создали интегрированные нанофотонные устройства самых малых в сегодняшний день размеров» — рассказывает Нэнфэнг Ю (Nanfang Yu), один из исследователей, — «Основой всех сих устройств являются наноантенны, благодаря которым мы можем кардинально уменьшить размеры фотонных устройств. При этом, ординар сокращения размеров фотонных устройств будет сопоставим с уровнем сокращения размеров электронных устройств в 1950-х годах, когда-никогда на смену громоздким электронным лампам пришли миниатюрные полупроводниковые транзисторы».

Методика управления распространением света при помощи наноантенн, встраиваемых прямо вовнутрь волноводов, оказалась весьма эффективной. Между тем, для реализации большей эффективности управления требуется использование не одной, а зажиточно больших массивов наноантенн, которые изменяют свойства света на физическом уровне, отражают его отворотти-поворотти или направляют по определенному пути в зависимости от управляющих факторов, к примеру, электрического потенциала, приложенного к электродам бери поверхности волновода.

Уникальная конструкция новых наноантенн позволяет им эффективно быть у дел со светом, имея размеры, всего в два раза превышающие длину волны сего света. «Это является огромным прорывом, ведь созданные ранее преобразователи света, встраиваемые внутрь волноводов, ради эффективной работы должны были иметь размеры в десятки и сотни раз превышающие длину волны» — рассказывает Нэнфэнг Ю, — «Таким образом автор этих строк получили возможность сокращения габаритов устройств от 10 до 100 один».

Следующим шагом, который намерены сделать ученые, является поиск новых активных в оптическом плане материалов, свойствами которых только и можно управлять достаточно простыми методами. Эти материалы могут быть включены в состав волноводов и компонентов фотонных чипов, ровно обеспечит большую степень управления поляризацией и распространением света, что в свою черед, позволит использовать технологию частотного мультиплексирования. Другими словами, таким образом разрешено будет заставить один фотонный чип стать «многоядерным» и выполнять параллельно обработку нескольких независимых потоков данных или команд, всякий из которых будет закодирован при помощи света такой же длины волны, так имеющего отличный от других угол поляризации.

Кроме этого, исследователи занимаются изучением преобразования света, циркулирующего внутри волноводов, в поверхностные волны, что-что можно будет использовать для создания новых систем-на-чипе, выполняющих обзор образцов химических веществ или биологических тканей.