અવાજ રેકોર્ડિંગ્સનું વિશ્લેષણ કરીને ચહેરાઓ બનાવે છે તે અલ્ગોરિધમનો
તેઓ વ voiceઇસ રેકોર્ડિંગ્સના આધારે ચહેરાઓને ફરીથી બનાવવાની ક્ષમતા સાથે કૃત્રિમ બુદ્ધિ વિકસાવે છે.
તેઓ વિકાસ કરવામાં સફળ થયા છે કૃત્રિમ ઇન્ટેલિજન્સ ફક્ત તે સાંભળીને અને વિશ્લેષણ કરીને વ્યક્તિના ચહેરાને વર્ચ્યુઅલ રીતે ફરીથી બનાવવાની ક્ષમતા છે અવાજ.
આ અલ્ગોરિધમનો સાથે કૃત્રિમ ઇન્ટેલિજન્સનું નામ છે સ્પીચ 2ફેર્સ અને તેમાં તેના અવાજના પ્રકારને માન્યતા આપીને વ્યક્તિની ઉંમર, લિંગ અને ચહેરાના લક્ષણો શું છે તે નિર્ધારિત કરવાની ક્ષમતા છે.
ની અરજી સ્પીચ 2ફેર્સ તે લર્નિંગ નેટવર્કને આભારી છે કે જે વિકાસકર્તાઓ દ્વારા બનાવવામાં આવ્યું છે. કહેવાતા ડેટાબેઝમાંથી ચહેરા બનાવવા માટે સિસ્ટમ જરૂરી માહિતી પ્રાપ્ત કરે છે એવી સ્પીચ. અલ્ગોરિધમ્સની આ સિસ્ટમમાં લગભગ 100 હજારથી વધુ વિડિઓઝ અને જુદા જુદા લોકોના વ voiceઇસ રેકોર્ડિંગ્સ છે અને ફક્ત થોડી સેકંડના ભાગમાં; તેઓ વર્ચુઅલ ચહેરા બનાવવા માટે દાખલા તરીકે સેવા આપશે.
ચહેરાના માન્યતા ગાણિતીક નિયમો કૃત્રિમ બુદ્ધિના મૂર્ત પરિણામોમાંનું એક છે અને તે સૌથી વધુ લોકપ્રિય પણ છે. અલ્ગોરિધમનો મુખ્યત્વે જે શીખે છે તે તે અવાજની શારીરિક લાક્ષણિકતાઓ સાથે listenડિઓના વિવિધ તત્વોને સંબંધિત છે.
ના સંશોધનકારોની ટીમે આ સંશોધન કર્યું હતું મેસેચ્યુસેટ્સ યુનિવર્સિટી ઓફ ટેકનોલોજી (એમઆઈટી) ઉપકરણના વિકાસ માટે અથવા તેમના અવાજના પ્રકારનાં વિશ્લેષણ દ્વારા વ્યક્તિનો ચહેરો બનાવવાનો અર્થ. તમારી વાણીના પ્રકારથી સંબંધિત હોઈ શકે તેવી શારીરિક લાક્ષણિકતાઓને એકત્રિત કરવા માટે પદ્ધતિ ફક્ત ઇનપુટ તરીકે તરંગોળાવ લે છે.
જ્યારે તે સાચું છે કે આ પરિણામો સાથે વ્યક્તિના અવાજની સચોટ પ્રતિકૃતિ મેળવી શકાતી નથી, પરિણામો દર્શાવે છે કે સિસ્ટમ તેમના લિંગ પ્રકારને નિર્ધારિત કરવામાં લગભગ 94% સચોટ રહી છે.