七嘴八舌分不清谁讲话？Google靠AI分辨谁开口

　　Google训练AI依据画面和声音判断说话的人。（图片来源：台湾“东森新闻云”）

　　中国台湾网4月16日讯  据台湾“东森新闻云”报道，人类可以在嘈杂的人群中，依据声音传来的方向辨别说话的人，但计算机可就没有这么厉害了，不过 Google 今天公开一项技术，让AI在混杂的影片中，分辨开口说话的对象，并且将每一个人的声音拆开成为独立音档，这项技术除了有望改善YouTube的字幕功能外，也能提升多人视频对话的质量。

　　据报道，Google藉由一段表演秀视频展示研究成果，AI会将声音元素与视觉画面结合起来进行判断，简单来说，当视频中左边的人在进行对话时，他的嘴巴应该要产生对应的开阖动作，AI藉由捕捉肢体细节来判断现在说话的人物是谁，接着再通过隔离单一声音讯号并加强、其他声音降低，完成独立单一音源的工作。

　　除了展示隔绝声音的技术外，Google实际示范AI与YouTube目前的自动字幕的互动状况，这项技术未来有机会帮YouTube添加双轨道的字幕显示。

　　Google特别提到，他们认为这项功能在视频会议上能有所贡献，期望技术能广泛运用在Google各项产品之中。若依据Google的论述，Hangouts、Duo 是有可能使用这项技术的产品名单，在七嘴八舌的视频会议中，藉由AI强化说话者的音量并隔绝杂音，会带来更好的服务体验。（中国台湾网 王怡然）