Без лишнего шума

Надоело, что когда записываешь голосовое сообщение, в нем слышен только фоновый шум? Не расстраивайся, ведь ученые АГУ уже работают над этим. Доцент кафедры информационной безопасности Андрей Александрович Лепендин получил грант Российского научного фонда за проект, который направлен на решение проблемы.

Вычищаем речь

– Андрей Александрович, ваш проект называется «Разработка новых методов улучшения качества речевых сигналов с использованием глубоких нейронных сетей». А если простыми словами – о чем он?

– Если говорить простым языком, то мы берем запись речи человека, сделанную в реальных условиях, – на фоне может что-то шуметь, кричать, петь – и стараемся очистить запись от ненужных фоновых искажений. Из зашумленной, «грязной» речи мы получаем чистую и красивую запись, которую потом можно будет использовать в дальнейшем.

Подобные методы улучшения качества речевых сигналов уже применяются в современных программах, например в видеочатах. Однако они справляются с однородным фоновым шумом, который не меняется во времени: таким как гудение машин или техники. Стоит появиться резкому звуку, и система не успевает на него отреагировать, отчего шум проникает в запись. Поэтому наша задача – модифицировать данные методы, чтобы они могли справляться со всеми посторонними звуками и оставлять только речь человека.

– Где может пригодиться чистая речь?

– Ясный звук требуется во многих сферах: в системе распознавания речи, которая синтезирует слова в текст, для голосовых сообщений и видеочатов, наподобие Zoom и Skype, для создания аудио- и видеоконтента. А также качественная запись звука необходима при решении задач информационной безопасности. Согласитесь, что чистую речь гораздо легче проверить на подлинность или установить по ней личность говорящего.

– На каком этапе работы находится сейчас ваш проект?

– Проект находится на стадии активных работ. У нас уже есть некоторые результаты, которые мы и продемонстрировали в заявке на получение гранта. Наша команда сделала хорошую модель, которая улучшает качество речевых сигналов в реальном времени – то есть успевает обрабатывать речь синхронно с тем, как говорит человек. Также у нас есть несколько интересных идей, как доработать эту модель и сделать лучший вариант. Но пока рано говорить о завершении нашего исследования. Мы работаем над проектом уже пару лет и нам предстоит еще два года усиленной работы.

– Вы участвовали раньше в конкурсах на получение гранта?

– Да, и не раз. Я регулярно подавал заявки на конкурсы внутри университета и в Российский фонд фундаментальных исследований. Два года назад один мой проект, связанный с голосовым спуфингом (подделка голоса под другого человека), выиграл региональный конкурс этого фонда. К слову, о приобретении этого проекта велись переговоры с потенциальными заказчиками. Но, к сожалению, для его воплощения у них не хватает материальных и технических ресурсов.

– Достаточно ли развиты исследования речевых технологий в России?

– К сожалению, в стране не так много специалистов, занимающихся разработками в этой области. Их можно пересчитать по пальцам: это центр речевых технологий в Санкт-Петербурге и несколько групп, работающих в крупных компаниях, например в «Яндексе» и «Сбербанке». Мы сами начали заниматься речевыми технологиями относительно недавно. Наши исследования часто пересекаются с обработкой цифровых сигналов, и мы невольно заинтересовались данной темой.

Восстания машин не будет

– Что такое глубокие нейронные сети?

– Раньше глубокими называли те нейросети, которые имели несколько элементов, имитирующих работу реальных нейронов головного мозга. Тогда их могло быть не больше пары штук, но сейчас нейросети обладают гораздо большим количеством элементов, вплоть до миллиардов.

– Нейронные сети сейчас используются практически везде: в машинах, приложениях для телефонов и даже в искусстве. Почему они стали так популярны?

– На самом деле это уже третья волна популярности в истории нейросетей. Первый бум случился в 50–60-х годах, когда биологи вместе с физиками и математиками пытались создать модель нейронов мозга. Но для работы нейросети требуется огромное количество данных, а компьютеры тогда не обладали достаточной вычислительной мощностью, чтобы эффективно обрабатывать такой объем. И интерес вскоре затих. Второй всплеск случился в 80-х годах, когда появились новые методы моделирования нейронных процессов. Но и они натолкнулись на ту же проблему, что и их предшественники.

Наконец в первом десятилетии двухтысячных совпали все необходимые условия. Появились мощные компьютеры и технологии, облегчающие сбор огромного количества данных. Например, большую часть информации мы, сами того не осознавая, передаем через наши телефоны. И оказалось, что нейросети – это отличный инструмент для быстрой сортировки данных, распознавания объектов и даже предсказывания событий. Как только общество осознало, чего можно добиться с помощью нейросетей, их начали внедрять во все сферы деятельности, начиная от науки и заканчивая искусством и бизнесом.

– А нейросети когда-нибудь смогут заменить человека?

– Никогда не понимал, как машина может заменить живого человека. Поэтому мне не нравится термин «искусственный интеллект» – вы наверняка заметили, что я избегаю его в своей речи. В представлении людей ИИ – это то, что мыслит, как человек, и осознает себя и свои действия. Но нейросети не занимаются осмыслением своей деятельности, они лишь ее имитируют (и порой даже лучше самого человека). Да, сейчас ИИ может писать тексты, похожие на человеческие, создавать музыку и в какой-то степени общаться с человеком, как голосовой помощник Алиса. Но картины и песни будут созданы благодаря генерированию огромного числа данных, а не с помощью собственной умственной деятельности. И, как бы парадоксально это ни звучало, творения искусственного интеллекта вовсе не интеллектуальны.

Ученые до сих пор не до конца понимают, как устроен интеллект человека, – что уж говорить о создании искусственного. Так что в ближайшем будущем восстания машин ждать не стоит.

Красота в цифрах

– Почему вам нравится мир технологий?

– Меня не столько увлекают сами технологии, сколько их научная часть. Разработка методов, выявление скрытых закономерностей, получение данных – для меня все это стоит на грани искусства и науки. Интересна и сама математика, которая стоит за всеми исследованиями. Порой изучаешь такую любопытную теорию или строишь оригинальную статистику, что получаешь от них настоящее эстетическое наслаждение. Математические результаты тоже могут быть красивыми.

– Чем увлекаетесь, кроме науки?

– Мне нравится слушать музыку – она мой постоянный спутник в жизни. Интересно открывать для себя новые группы и жанры. Наверное, поэтому экспериментальное направление мое любимое. Недавно я узнал, что в приложении Spotify на первом месте у меня стоит арт-поп, а на втором – эмбиент, стиль электронной музыки, основанный на модуляциях звукового тембра.

Юлия ДИЛЬМАН