Pietarin yliopiston tutkijat parantavat neuroverkon keskustelukykyä

Pietarin valtionyliopiston kielitieteilijät ovat parantaneet neuroverkon dialogikykyä upottamalla siihen intonaatiomallin, mikä tekee tekoälyn ääntämisestä luonnollisempaa ja ihmiselle tutumpaa. Kehitystyön tavoitteena on parantaa puhesynteesijärjestelmiä, joita käytetään älykkäissä avustajissa ja antropomorfisissa roboteissa. Tutkimustulokset julkaistiin kansainvälisen puhetta ja tietokonetta käsittelevän konferenssin julkaisuissa. Tekoälypohjaiset järjestelmät voivat jo nyt korvata ihmiset kokonaan tai osittain monissa tehtävissä, erityisesti rutiinitehtävissä, mutta intonaation toteuttaminen on ollut vaikeaa. Intonaatio on ratkaisevan tärkeää tunteiden, asenteiden ja kommunikatiivisen merkityksen ilmaisemisessa, kuten kysymyksen erottamisessa väitteestä. Perinteiset kielimallit tuottavat usein yksitoikkoista tai sopimatonta intonaatiota. Pietarin valtionyliopiston kielitieteilijät käyttivät Tacotron2-mallia puhesynteesiin ja kouluttivat sen yliopistossa kehitetyllä erikoistuneella intonaatioluokituksella. Luokitus sisältää laajan valikoiman intonaatiovariantteja, huomioiden melodisen vaihtelun, nopeuden ja lausetyypin. Nämä muutokset mahdollistivat neuroverkon voittamaan luonnottoman tai yksitoikkoisen intonaation rajoitteet. Arvioinnissa 42 venäjän kielen natiivipuhujaa kuunteli syntetisoitua ääntä ja piti sitä yleisesti luonnollisena, vaikka pieniä artefakteja esiintyi. Toisessa kokeessa osallistujat pystyivät helpommin tunnistamaan kysymyslauseet. Tutkijat ehdottavat jatkohienosäätöä tunne- ja tyylivarianttien avulla laadun parantamiseksi.