KAIST dodaq oxuyan süni intellekt hazırlayıb: səhv payı 19,4 faizdir
Süni İntellekt
16.11.2026
Koreya Qabaqcıl Elm və Texnologiya İnstitutunun, yəni “KAIST”-in alimləri səssiz videolarda dodaq hərəkətlərini oxuyan süni intellekt sistemi hazırlayıblar. “DLLM-VSR” adlı texnologiya ağız hərəkətlərini təhlil edib danışığı mətnə çevirir. Sistem “LRS3” standart sınağında 19,4 faiz söz xətası göstəricisi əldə edib. Bu nəticə eyni işarələnmiş məlumatlarla öyrədilən üsullar arasında yeni rekord sayılır.
Dodaq oxumaq süni intellekt üçün də çətin tapşırıqdır. Məsələn, “p”, “b” və “m” səsləri deyilərkən ağız demək olar ki, eyni cür hərəkət edir. Ənənəvi nitq tanıma sistemləri sözləri soldan sağa, ardıcıl müəyyənləşdirir. Buna görə cümlənin əvvəlindəki səhv sonrakı sözlərin də yanlış seçilməsinə səbəb ola bilər.
“DLLM-VSR” diffuziya prinsipi ilə işləyən böyük dil modelindən yararlanır. Model sözləri sıra ilə tapmaq əvəzinə, əvvəlcə daha çox əmin olduğu hissələri seçir. Sonra həmin sözlərə əsaslanaraq cümlənin əvvəlini və sonunu birlikdə yoxlayır. Beləcə, görüntüdə bir-birinə bənzəyən sözlərdən yaranan boşluqları mərhələli şəkildə doldurur.
Sistem videonun uzunluğuna baxaraq cümlədə neçə söz ola biləcəyi barədə bir neçə ehtimal hazırlayır. Hər ehtimala uyğun mətn yaradılır və sonda ən uyğun nəticə seçilir. Tədqiqat zamanı model əvvəlcədən işarələnmiş 433 saatlıq video ilə öyrədilib. 19,4 faizlik nəticə bütöv söhbətlərin deyil, səhv tanınan, buraxılan və mətnə artıq əlavə olunan sözlərin payını göstərir.
Texnologiya səs-küylü zavodlarda danışığı anlamağa, həmçinin dodaq hərəkətlərini mətnə çevirən əlçatanlıq cihazlarının hazırlanmasına kömək edə bilər. Belə cihazlar kar və eşitmə qabiliyyəti zəif insanlar üçün yararlı ola bilər. Ancaq nəticələr öyrədilmə zamanı işlədilən məlumatlardan asılı olaraq dəyişir və sistem hələ də yüksək hesablama gücü tələb edir. Alimlər gələcəkdə onun internet bağlantısı olmadan geyilə bilən cihazlarda və robotlarda real vaxt rejimində işləməsini istəyirlər. Bununla yanaşı, səssiz videolardan danışığın oxunması məxfiliklə bağlı narahatlıq yaradır.
Şərhlər
Şərh yazmaq üçün Google və ya Facebook hesabınızla daxil olun.
Şərhlər yüklənir...
Ən çox oxunanlar