Ilmuwan Universitas St. Petersburg Tingkatkan Kemampuan Dialog Jaringan Saraf Tiruan

Para ahli bahasa di Universitas Negeri Saint Petersburg telah meningkatkan kemampuan dialog jaringan saraf dengan menyematkan model intonasi, yang membuat pelafalan AI lebih alami dan akrab bagi manusia. Pengembangan ini bertujuan untuk meningkatkan sistem text-to-speech yang digunakan dalam asisten suara dan robot antropomorfik. Hasil penelitian tersebut dipublikasikan dalam prosiding Konferensi Internasional tentang Speech and Computer. Sistem berbasis AI sudah dapat sepenuhnya atau sebagian menggantikan manusia dalam banyak tugas, terutama yang bersifat rutin, tetapi intonasi sulit untuk diimplementasikan. Intonasi sangat penting untuk mengekspresikan emosi, sikap, dan makna komunikatif, seperti membedakan pertanyaan dari pernyataan. Model bahasa tradisional sering menghasilkan intonasi yang monoton atau tidak tepat. Para ahli bahasa SPbU menggunakan model Tacotron2 untuk sintesis text-to-speech dan melatihnya dengan klasifikasi intonasi khusus yang dikembangkan di SPbU. Klasifikasi tersebut mencakup berbagai varian intonasi, dengan mempertimbangkan rentang melodi, kecepatan, dan jenis kalimat. Modifikasi ini memungkinkan jaringan saraf untuk mengatasi keterbatasan intonasi yang tidak alami atau monoton. Dalam evaluasi, 42 penutur asli bahasa Rusia mendengarkan audio yang disintesis dan umumnya menganggapnya alami, dengan beberapa artefak kecil. Dalam eksperimen kedua, peserta dapat mengidentifikasi frasa pertanyaan dengan lebih mudah. Para peneliti menyarankan penyempurnaan lebih lanjut dengan varian emosional dan gaya untuk meningkatkan kualitas.