人工智能（AI）设备已经能处理来自独立个人的请求，但跟我们一样，它们在嘈杂的鸡尾酒会上或几个人同时发言的情况下，也会感到“纠结”。《新科学家》杂志官网24日文章称，美国剑桥三菱电机研究实验室的研究人员开发出的声音识别AI设备，能实时分离多个声源，大大提升了自动语言识别能力。
声纹能帮助识别嘈杂环境中的声音 来源：“新科学家”官网
这项技术首次在日本东京先进技术综合展览会上公开展示，被团队称为“深度聚类”机器学习，可识别多个声源“声纹”中的独特功能。然后，将每个演讲者声音的不同特征组合在一起，允许它从多个声音中将特定特征的声音选出来，最后重建每个人的话语。智能技术使用了多名人士讲的英语进行了培训和学习，即便说话人是日本人，也能轻松地分辨出来。
据介绍，传统识别语音的方法，是利用两个收音器模拟听众两耳朵的位置，只能达到51%的准确性，形成的“鸡尾酒会效应”困扰AI研究几十年。
新智能系统可以将两个人的语音成功分离并重建单人语音的精确度达到90%，新技术可以帮助家庭和汽车更好地执行智能任务，一次可分离多达5个人的声音，可以用于电梯、空调机组和家用产品的智能操控。
