Deep Voice heißt die Stimm-KI des chinesischen Technologiekonzerns Baidu (bekannt auch für sein gleichnamiges soziales Netzwerk) und baut auf Googles „Deepmind-Wavenet-Technologie“ auf. Durch einen verbesserten Algorithmus kann die Deep-Voice-KI, natürliche Sprache innerhalb von Stunden lernen. Hierin besteht auch ein großer Vorteil gegenüber Microsofts Cortana.

Während unsere geliebte Halo-Assistentin Stunden eingesprochenen Materials benötigt, um mit uns zu kommunizieren, baut Baidus‘ (und Googles‘) Lösung einen Sprachschatz aus dem Nichts auf. Sowohl Baidu als auch Google setzen auf maschinelles Lernen, um ihren KIs Sprache beizubringen. Um wirkliche Konversation zu betreiben, muss die KI in Bruchteilen von Sekunden antworten können – dies erfordert sehr viel Rechenleistung.

Baidus neuer Algorithmus hat den Vorgang des maschinellen Lernens verbessert und so die benötigte Rechenpower reduziert. Außerdem haben die Chinesen die Aussprache der KI verbessern können. Sogar feine Abstufungen in der Betonung der Wörter sind möglich.

Es gibt aktuell leider keine öffentlichen Sprachproben. Baidu ist sich seiner Technologie aber sicher und behauptet, dass diese bis zu 400 mal schneller reagiere als manch andere Sprach-KIs.

Echte Konversation mit Computern scheint wirklich nicht mehr allzu fern zu sein. Hoffen wir, dass das Forschungsteam von Microsoft hier auch einige Trümpfe im Ärmel hat.

Was sagt ihr zum derzeitigen Entwicklungsstand der Sprach-KI. Wie lange wird es eurer Meinung noch dauern, bis wir natürlich mit Maschinen kommunizieren werden?

Quelle