กูเกิลนำเสนอสถาปัตยกรรมปัญญาประดิษฐ์สำหรับแปลภาษาในชื่อ Translatotron ที่เป็นการแปลภาษาโดยตรงจากเสียงพูดไปยังเสียงพูด (end-to-end) แทนที่จะเป็นการแปลงเสียงเป็นข้อความ แปลข้อความ แล้วจึงนำมาแปลงเป็นเสียง (cascade) เหมือนเช่นทุกวันนี้
Translatotron เป็นปัญญาประดิษฐ์แบบ sequence-to-sequence โดยนำข้อมูล spectrogram ของเสียงพูดภาษาต้นทางและปลายทาง
ตอนนี้ประสิทธิภาพการแปลของ Translatotron ยังต่ำกว่าสถาปัตยกรรมแบบ cascade อยู่ แต่เมื่อพัฒนาให้เสียงที่แปลออกมาเป็นเสียงเดียวกับคนพูดภาษาต้นทาง (original speaker) แทนที่จะเป็นเสียงต้นแบบ (canonical) ตัว Translatotron สามารถรักษาคุณสมบัติของเสียงผู้พูดได้ครบถ้วน ทำให้เหมือนผู้พูดเป็นคนเดียวกันแค่เปลี่ยนภาษา (สามารถฟังเสียงได้จากที่มาข่าว)
งานวิจัยนี้ร่วมกันระหว่าง Google Brain, Google Translate, และ Google Speech โดยเชื่อว่าเป็นงานวิจัยแรกที่เสนอการแปลภาษาจากเสียงโดยตรง
ที่มา - Google AI Blog
Comments
ล่ามเตรียมตัวตกงาน
วุ้นแปลภาษาที่แท้ทรูสินะ
อันนี้เริ่มน่ากลัว ถ้าคนเอาไปใช้กับระบบตู้ชุมสาย ปลอมเสียงคนหลอกให้โอนเงิน ถึงผู้เสียหายจะอัดเสียงไว้ ดันไปตรงกับเจ้าของเสียงจริงด้วยคงสนุกพิลึกเวลาพิสูจน์หลักฐานคลื่นเสียง เพราะขนาดของ Wave และช่วงคลื่นอาจจะใกล้เคียงกันจนแยกลำบาก
คิดเหมือนกันเลย โทรมาหลอกก่อนว่าเป็นประกัน หลอกให้พูดหลาย ๆ ประโยคหน่อยแล้วอัดเสียงไว้ เอาไปสังเคราะห์แล้วโทรไปหาญาติเหยื่อด้วยเสียงสังเคราะห์ โอววววววววว
เทคโนโลยีไม่ผิด คนใช้มันในทางที่ผิดนั่นแหละที่ผิด!?!
อันนั้นไม่ต้องถึงงานวิจัยนี้นะครับ มีทำได้ระดับนึงอยู่แล้ว
ใช่ครับ ไม่ต้องถึงงานวิจัยนี้ด้วยซ้ำ มีโปรเจคในชื่อ Lyrebird ครับ (https://lyrebird.ai/) โดยใช้ AI สังเคราะห์เสียงแล้วเลียนแบบเนื้อเสียงเอา มีวิดีโอตัวอย่างในยูทูปด้วย ลอกน้ำเสียงเหมือนเป๊ะๆ ชนิดที่ว่าโทรไปหาคุณแม่แล้วใช้โปรแกรมนี้พูดแทนคุณแม่ก็เชื่อครับว่าเป็นลูกจริงๆ
ตอนนี้แค่อยากได้ให้ Live Trancribe แปลได้ก็โอเคแล้ว
ต่อไป... การเจรจากับชาวต่างชาติ หรือการเดินทาง ก็จะไม่ใช้ปัญหาอีกต่อไปแล้ว (เมื่อไหรอีกเรื่อง 555.)
ไม่รู้ว่าทำไม ผมเข้าไปเว็บต้นทางเพื่อฟังเสียง มีประโยคตัวอย่างอยู่ 2 ชุด แต่ละชุดผมเปิดฟังได้แค่สองอันแรก คือประโยคต้นฉบับ Input (Spanish) กับประโยคความหมาย Reference translation (English)
~ HudchewMan's Station & @HudchewMan~
(>.<)