 Hozzászólások  A témához csak regisztrált és bejelentkezett látogatók szólhatnak hozzá!Bejelentkezéshez klikk ide
(Regisztráció a fórum nyitóoldalán)
A cikk (és a német eredeti is) tipikus példája annak, mennyire félretájékoztató tud lenni egy ilyen írás. A koktél-parti probléma lineáris változatait 1992 óta meg tudjuk oldani. Más néven vak forrásszétválasztásnak vagy a független komponens analízis (ICA) lineáris formájú alapfeladatának is hívják. Bár a cikk nem írja le, miből is áll a csoport újítása, valószínűleg szó nincs arról, hogy a fenti kutatócsoport "oldotta volna meg" a problémát. Talán csináltak egy jó szoftvercsomagot a célra, vagy megoldottak valami újabb részproblémát a kérdéskörben (amivel egyébként kutatók ezrei foglalkoznak évtizedek óta). Próbáltam megtalálni a kutatók honlapján a vonatkozó cikket, de csak a sajtóhírt találtam: valószínűleg csak a marketingjük jó.
A feladatnak egyébként általában nincs köze a beszédfelismeréshez. Ha huszonöt különböző zajforrás lenne adva egy szobában, a szétválasztásuk akkor is megoldható volna a jelek statisztikai elemzésével. Az emberi beszéd nehezebb feladat tud lenni, mert nem feltétlen független forrásokból érkezik a jel, és nem feltétlen áll rendelkezésre annyi mikrofon, ahány beszélő van.
 |
A cikk nekem is sántít, ugyanis az emberi fülről ír. Ez pedig pont ellenkező azzal a megállapítással amit még mindig nem tudnak pontosan megmagyarázni a tudósok, miszerint nem értik hogyan tud a fül, az emberi agy pl. egy komolyzenei koncerten csak egy-egy hangszerre koncentrálni, adott hangszer hangját kiszürni.
Na mondjuk az általában nem bábeli hangzavar, lehet hogy ez a különbség?
off
Az OS2/Warp valóban bírta(ja) ezeket a képességeket és, ha van türelmed felolvasni a kért szavakat, azután már elég jól lehet diktálni neki. Úgy emlékszem hogy ezt már az Win NT-be is beépítették, de azt nem próbáltam. Szerintem most nem a diktálás a fő irányvonal, hanem a hang vezérlés, ami egy picit más terület, bár úgy látszik még elég ingoványos.
on
|
Nálam inkább az előbbi, legalábbis nem beszélek hozzá másképp viszont eleinte nálam is akadtak hibák, de most már szinte semmi probléma.
Azt viszont nem kéne elfelejteni, hogy a Vista és a hangfelismerő rendszer is még béta. Viszont hamarosan jön az RC1, amit bárki letölthet, hasonlóan a Júniusban kiadott beta2-höz.
|
Nálam ugyan nincs fenn, és ezért végül is akár befoghatnám a számat is.;)
De tíz évvel ezelött win3.1/win95 alá szintén volt már ilyen szoftver, (szal az sem igaz amit a M$ szövegel az egyik lentebbi linken)ami már szintén képes volt a felhasználó hangjához kiejtéséhez alkalmazkodni.
Követelmények: CPU 486-75MHz, 8MB RAM, 40MB HDD(na ez utóbbit egy kicsit húzósnak érzem;)))
PS3 ID: NEXUS0001 Aevum est crudus, sed non satis.
CS.N.T.K.K! & A.M.É! A hétfő bűn!
Avagy: "Az ördög a részletekben van elásva!";)))
|
Végén mindenki furán darabosan fog beszélni, mert ezt szokja meg Vistázás közben. De jó.
|
Talán megtanulja a hangodat? Vagy te alkalmazkodsz egyre jobban hozzá...?
|
Na ja, néha jól működik. Ez a legidegesítőbb, amikor valami egyszer működik, másszor látható ok nélkül hülyeségeket csinál.
|
Hát nálam viszonylag jól működik, az első használatok idején voltak problémák, de most már egyre jobb, gyakorlatilag hiba nélkül műkszik.
Ja és egy Celeron 2.4 + 768 MB RAM, kb 3 éves gépen van fent.
Egyébként nálad fent van a Vista?
|
Hát pont 10 évvel az OS/2 Warp után már ideje volt egy ilyen "forradalmi" dolognak.
Az a különbség, hogy az egy sima 486-oson 16MB RAM-mal működött szarul, ennek meg hasonló megbízhatatlansághoz egy core 2 duo kell 1GB RAM-mal.
LOL
PS3 ID: NEXUS0001 Aevum est crudus, sed non satis.
CS.N.T.K.K! & A.M.É! A hétfő bűn!
Avagy: "Az ördög a részletekben van elásva!";)))
|
De lehet hogy azért még így is jobban műxik mint az új Viszlát/Offisz hangfelismerő képessége;)))
Video;) - aki még nem látta
PS3 ID: NEXUS0001 Aevum est crudus, sed non satis.
CS.N.T.K.K! & A.M.É! A hétfő bűn!
Avagy: "Az ördög a részletekben van elásva!";)))
|
Algoritmus nem készült?
A program ami fut mégis nem egy "algoritmus" ?????
A kedves "cikkíró" izé fordító nem értette mit fordít? 
|
Sorry, csak most olvastam el a cikket, azt hittem, arról van szó, hogy a program számára jelent gondot.
|
" probléma tehát matematikai úton megoldható volt" -> akkor algoritmus is készíthető rá
"meg fog azoknak a száma növekedni, akik bár minden rátermettség nélkül úgy érzik, hogy a nemzet vezéri szolgálatába kell állítaniuk "halhatatlan" erejüket"
Mein Kampf, Adolf Hitler
|
Na de ti mintha emberek lennétek... Nem PC-k. Amikor koncentráltok, agysejtek milliói állnak be a feladatra. És nem tudatosan igazgatjátok el őket... Csak akarnotok kell, és megvalósul, fogalmatok sincs, hogy hogyan... Ezzel ellentétben egy PC-nél aprólékosan ki kell dolgozni az algoritmusokat, programokat.
|
Igen, ez az a resz amit nem ertettem, ugyanis nekem legalabbis sohasem volt ilyen problemam, mert ha jol figyeltem, sima ugy volt arra az 1-2 hangra koncentralni, foleg ha meg latod is a szemelyt, mert tudod, hogy az o hangja, mialatt mozog a szaja...
|
"Gondot jelent, hogy ha két hasonló orgánumú ember van egy helyen, nagyon nehéz megkülönböztetni a hangjukat"
baromság. ha az ember koncentrál, akkor bármikor tud figyelni egy hangra még akkor is ha sokan beszélnek egyszerre a közelben. persze fontos, hogy megfelelő legyen a távolság, és tényleg figyeljen, ne csak úgy hébe-hóba, mert akkor valóban elveszti a fonalat.
|
"...sikerült egy társasági összejövetelen egy személy beszédét izolálniuk"
Fa*a, már csak 6 milliárd emberé van hátra :)
|
"A program képes arra..."
"A módszer azonban közel sem tökéletes, nem készült hozzá ugyanis algoritmus.."
ha nincs algoritmus akkor a program hogy készült?
Egy hangelemzőben addig randomozták a szűrőt míg sikerült? 
/*Bit-bit csóka, lag varjúcska, rendszergazdám kéreti a szerverét, nem adhatom oda, n00bok ülnek rajta. HackHackHackHackHack....*/
|
|
Nyomtatás
Elküldés e-mailben
Gondban lesz a Vista a nagyfelbontású videókkal?
Fájlcserélő bővítőmodul a Firefoxhoz
Intelligens biztonsági rendszerekkel a terroristák ellen
Pontosabb lesz a Wikipedia
A program képes arra, hogy egyes hangokat vagy akár egyetlen hangot is elkülönítsen a környezetétől. Radu Balannak, a Siemens egyik munkatársának és két kollégájának, Dan Casazza és Dan Edidin professzoroknak sikerült egy társasági összejövetelen egy személy beszédét izolálniuk. "Megoldásunkat jelrekonstrukciónak neveztük el és a segítségével akár egy 25 személyes társaságból is külön-külön jól meg tudjuk különböztetni a beszélgetésekben résztvevő emberek hangját. Tehát nemcsak az egyes emberek szavait tudjuk kiszűrni és elkülöníteni, hanem gyakorlatilag egész beszédüket, beszédkarakterisztikájukat. A probléma tehát matematikai úton megoldható volt" - 
