Сообщество - Искусственный интеллект
Добавить пост

Искусственный интеллект

328 постов 4 414 подписчиков
2257

Создаем арт в любой стилистике из вашего лица

Пишу сразу второй пост. Пока нет заказов на доставку и есть время на отдых.
https://artbreeder.com/
В конце прикладываю видео инструкцию.

Создаем арт в любой стилистике из вашего лица Нейронные сети, Искусственный интеллект, Обучение, Гайд, Фотография, Арт, Видео, Длиннопост

Выбираем создать (Create), портреты, дальше либо загружаем вашу фотку, ждем когда её обработает нейросеть и она добавится в ваш аккаунт.

Создаем арт в любой стилистике из вашего лица Нейронные сети, Искусственный интеллект, Обучение, Гайд, Фотография, Арт, Видео, Длиннопост

Далее выбираем объединение

Создаем арт в любой стилистике из вашего лица Нейронные сети, Искусственный интеллект, Обучение, Гайд, Фотография, Арт, Видео, Длиннопост

Ищем свою фотографию, самая страшная на паспорт идеально подойдет

Создаем арт в любой стилистике из вашего лица Нейронные сети, Искусственный интеллект, Обучение, Гайд, Фотография, Арт, Видео, Длиннопост

Дальше берем свою фотку

Создаем арт в любой стилистике из вашего лица Нейронные сети, Искусственный интеллект, Обучение, Гайд, Фотография, Арт, Видео, Длиннопост

С ней уже можно играться, сделать себя толстым или худым, или азиатом или латиносом - они выглядят как любители кокоса, вот пример -

Создаем арт в любой стилистике из вашего лица Нейронные сети, Искусственный интеллект, Обучение, Гайд, Фотография, Арт, Видео, Длиннопост

Но нам нужен красивый арт, а не упоротый, потому выбираем под свою стилистику вторую фотографию

Создаем арт в любой стилистике из вашего лица Нейронные сети, Искусственный интеллект, Обучение, Гайд, Фотография, Арт, Видео, Длиннопост

Я выбрал трендовую вкладку и мне понравилась вот такая стилистика, вы же можете сделать себя в любой стиль, как пример загрузить картинку с нужной стилистикой и добавить через свои загрузки.

Создаем арт в любой стилистике из вашего лица Нейронные сети, Искусственный интеллект, Обучение, Гайд, Фотография, Арт, Видео, Длиннопост

Здесь мне нужен его стиль, потому ползунок стиля у второго изображения справа, но лицо я хочу оставить свое, увеличиваем лицо (face) у первой фотографии и уменьшаем у второй.
Дальше мы можем поиграться с цветов, светом и т.д.
Но уже вариант меня устраивает, особенно вторая фотография.
Давайте сделаем больше рисовки и цвет в красный.

Создаем арт в любой стилистике из вашего лица Нейронные сети, Искусственный интеллект, Обучение, Гайд, Фотография, Арт, Видео, Длиннопост

Добавил красного, добавил арта и немного гендера мужского.
А теперь можно сделать красочные волосы себе и совершенно иной стиль.

Создаем арт в любой стилистике из вашего лица Нейронные сети, Искусственный интеллект, Обучение, Гайд, Фотография, Арт, Видео, Длиннопост

Добавим эту красотку и поменяем параметры.

Создаем арт в любой стилистике из вашего лица Нейронные сети, Искусственный интеллект, Обучение, Гайд, Фотография, Арт, Видео, Длиннопост

И вот, я добавил третьего родителя (три фотографии использует нейросеть) и теперь я прекрасная рисованная девушка. Уменьшил себе широту, чтобы была худой, и гендер убрал вниз, 1, 3, 4 фотография, по-моему мнению получилась, у нас есть аватар красотки. Но давайте вернем стиль и гендер мне.

Создаем арт в любой стилистике из вашего лица Нейронные сети, Искусственный интеллект, Обучение, Гайд, Фотография, Арт, Видео, Длиннопост

Поменял значения и вот подборка новых артов.
P.S. Сайт уже жутко тормозит, так как не приспособлен под такие наплывы, так что аккуратнее там, лучше сохраните пост и зайдите через недельку или в выходные. 

P.S.S. сайт лежит уже, это вроде и смешно, и грустно...

Показать полностью 9 1
1778

Рисуем сильные арты с нейросетью

В конце поста будет ссылка на сайт, в бесплатной версии есть возможность загрузить 5 картинок и вывести 10 картин в качестве 2048x2048.

Есть возможность скрещивать несколько разных изображений.

Рисуем сильные арты с нейросетью Нейронные сети, Фотография, Искусственный интеллект, Арт, Пейзаж, Обработка фотографий, Длиннопост

По картинке, я взял трех родителей, первая фотография прошла анализ с помощью нейросетки и адаптировалась под сайт, изначально это фотография Кировска, Мурманская область и выглядела она так.

Рисуем сильные арты с нейросетью Нейронные сети, Фотография, Искусственный интеллект, Арт, Пейзаж, Обработка фотографий, Длиннопост

Как её распознала нейросеть

Рисуем сильные арты с нейросетью Нейронные сети, Фотография, Искусственный интеллект, Арт, Пейзаж, Обработка фотографий, Длиннопост

Теперь лучше пройдемся по параметрам:

Рисуем сильные арты с нейросетью Нейронные сети, Фотография, Искусственный интеллект, Арт, Пейзаж, Обработка фотографий, Длиннопост

Контент - это то что изображено, форма, пропорции, композиция кадра.
Стиль - цветовая и световая насыщенность. Если мы хотим разукрасить фон, не меняя изображения, то двигаем ползунок стиля вправо, если хотим оставить, например, зимний стиль, но добавить в кадр горы или другую композицию меняем ползунок контент вправо.

Рисуем сильные арты с нейросетью Нейронные сети, Фотография, Искусственный интеллект, Арт, Пейзаж, Обработка фотографий, Длиннопост

В генах мы можем изменять многое, добавить растений, полей, воды, холмов, строений, скал, путей, увеличить красоту кадра или сделать руины на основе ваших изначальных данных. Остальные параметры меняют цвета и свет кадра. Его резкость и последний пункт - рандом параметр добавления хаотичности изменений в кадр.

И вот что получилось -

Рисуем сильные арты с нейросетью Нейронные сети, Фотография, Искусственный интеллект, Арт, Пейзаж, Обработка фотографий, Длиннопост
Рисуем сильные арты с нейросетью Нейронные сети, Фотография, Искусственный интеллект, Арт, Пейзаж, Обработка фотографий, Длиннопост
Рисуем сильные арты с нейросетью Нейронные сети, Фотография, Искусственный интеллект, Арт, Пейзаж, Обработка фотографий, Длиннопост
Рисуем сильные арты с нейросетью Нейронные сети, Фотография, Искусственный интеллект, Арт, Пейзаж, Обработка фотографий, Длиннопост
Рисуем сильные арты с нейросетью Нейронные сети, Фотография, Искусственный интеллект, Арт, Пейзаж, Обработка фотографий, Длиннопост
Рисуем сильные арты с нейросетью Нейронные сети, Фотография, Искусственный интеллект, Арт, Пейзаж, Обработка фотографий, Длиннопост
Рисуем сильные арты с нейросетью Нейронные сети, Фотография, Искусственный интеллект, Арт, Пейзаж, Обработка фотографий, Длиннопост

Очень мощный инструмент, в следующем посте покажу как можно создать такие арты из своих фотографий.

Рисуем сильные арты с нейросетью Нейронные сети, Фотография, Искусственный интеллект, Арт, Пейзаж, Обработка фотографий, Длиннопост
Рисуем сильные арты с нейросетью Нейронные сети, Фотография, Искусственный интеллект, Арт, Пейзаж, Обработка фотографий, Длиннопост
Рисуем сильные арты с нейросетью Нейронные сети, Фотография, Искусственный интеллект, Арт, Пейзаж, Обработка фотографий, Длиннопост
Рисуем сильные арты с нейросетью Нейронные сети, Фотография, Искусственный интеллект, Арт, Пейзаж, Обработка фотографий, Длиннопост

Сайт
P.s. Личные фотографии можно скрыть на сайте, при загрузке ваших фото есть очередь анализа нейросеткой фотографии, это может занимать час, если туда набежит толпа - то целые дни, постарайтесь сохранить пост и вернуться к нему через недельку, иначе есть шанс обрушить сайт.

Показать полностью 15
76

Генератор Химер

У Google появился веб-инструмент Chimera Painter, который работает на базе искусственного интеллекта. С его помощью можно довольно легко конструировать изображения — процесс работы напоминает рисование в обычном Microsoft Paint.

Нарисованные картинки обрабатываются системой для «устрашения» и придания фантастического вида. Так получаются существа, которые походят на монстров из кошмаров или видеоигр.


https://storage.googleapis.com/chimera-painter/index.html

Генератор Химер Google, Химера, Нейронные сети
Генератор Химер Google, Химера, Нейронные сети

Я тот еще художник. Поэтому покажу второй вариант.

Генератор Химер Google, Химера, Нейронные сети
Показать полностью 1
63

На южнокорейском телевидении ИИ стал ведущим новостей

Компьютерные алгоритмы на основе ИИ и нейросетей с каждым годом становятся всё более продвинутыми, заменяя человека на многих процессах. Несмотря на это кажется, что есть области, где машины появятся ещё нескоро. Очередной вызов бросили южнокорейские исследователи, создавшие ИИ-журналиста, работающего на местном канале новостей.

Далеко не все предпочитают читать новости в интернете: многим нравится получать информацию по ТВ-каналам. У дикторов и журналистов приятная внешность, индивидуальная манера подачи материала, они дают краткие комментарии, — в общем, человека заменить не так-то просто. Однако с недавних пор на кабельном телеканале MBN в Южной Корее ведущим новостей стал ИИ.


AI Kim был создан на основе реальной ведущей новостей по имени Джу-ха. ИИ 10 часов изучал детали голоса своего реального прототипа, манеру говорить и выражения лица. Кроме того, он пытался воссоздать движения губ, мимику и даже движения тела. В итоге ИИ практически неотличим от реального человека.

Исследователи заявляют, что Kim позволит транслировать новости в режиме 24/7, что недоступно для обычного человека.


Источник

43

Анекдоты от нейросетки

Сбербанк недавно проводил большой конкурс по машинному обучению.


Один из участников (Артём Родичев) по результатам соревнования сделал бота на базе русскоязычной нейронки GPT-3, который умеет придумывать анекдоты по произвольной первой фразе.


Текст автора из FB:

"Недавно Сбер выложил "русский AI" - предобученную языковую модель, которая умеет генерировать тексты на русском. Их сетка сильно уступает хайповой англоязычной GPT3 от OpenAI, и умеет из коробки только рассказы сочинять неплохо, так как училась она преимущественно на книгах. Однако если ее правильно приготовить и дотюнить, то можно поднять ор выше гор. Сбер сделал конкурс, кто лучше всех надресирует эту нейросеть делать что-то полезное для людей и за первое место обещал лям.

Лям так лям, поэтому я научил нейросетку на русском языке сочинять анекдоты, петь песни, рассказывать истории в разных стилях и общаться как 15-ти летний школьник. Работает это так, что вы задаете начало анекдота/песни/истории, а нейросеть заканчивает мысль. На скринах примеры того, что получилось."

Анекдоты от нейросетки Машинное обучение, Бот, Генератор, Анекдот, Длиннопост
Анекдоты от нейросетки Машинное обучение, Бот, Генератор, Анекдот, Длиннопост
Анекдоты от нейросетки Машинное обучение, Бот, Генератор, Анекдот, Длиннопост
Анекдоты от нейросетки Машинное обучение, Бот, Генератор, Анекдот, Длиннопост
Анекдоты от нейросетки Машинное обучение, Бот, Генератор, Анекдот, Длиннопост
Анекдоты от нейросетки Машинное обучение, Бот, Генератор, Анекдот, Длиннопост
Анекдоты от нейросетки Машинное обучение, Бот, Генератор, Анекдот, Длиннопост
Анекдоты от нейросетки Машинное обучение, Бот, Генератор, Анекдот, Длиннопост
Анекдоты от нейросетки Машинное обучение, Бот, Генератор, Анекдот, Длиннопост
Анекдоты от нейросетки Машинное обучение, Бот, Генератор, Анекдот, Длиннопост

Последние апдейты:

- добавил режим историй с 5 стилями - horror, fairy-tale, adventure, romantic, sci-fi

- убрал фильтрацию оффенса, теперь может и послать в ответ или матерные анекдоты писать

- улучшил качество ответов во всех модах за счет постпроцессинга и доп фильтраций

- сделал бота более стабильным, изредка пропускал сообщения


Попробовать бота в деле: https://t.me/piONA_chitchat_bot

Показать полностью 7
22

Оптический ускоритель сверточных нейронных сетей способен обрабатывать информацию со скоростью петабайт в секунду (10^15 байт / сек)

Оптический ускоритель сверточных нейронных сетей способен обрабатывать информацию со скоростью петабайт в секунду (10^15 байт / сек) Технологии, Нейронные сети, Прогресс, Физика

Исследователи использовали «оптику Фурье», основанную на микро-электро-механических цифровых зеркалах. Эта методика позволяет проводить высокоточную фильтрацию частот и на основании этого выполнять оптическую свертку, тем самым реализуя функцию слоев сверточной нейронной сети.

Источник

1155

Лакмус. Нейросети находят пропавших людей

Всем привет. Скажу сразу - пост будет длинным, но я постараюсь, чтобы он был интересным.

Мы долго оставались в тени и почти нигде не писали о нашей разработке (кстати, открытой и свободной для использования - главное, чтобы был указан источник технологии и данных). Пожалуй, наступает время исправить этот пробел.

Начнём с описания проблемы и постановки задачи (а там как пойдёт). Поехали.

Проблема, которую мы взялись решать - это улучшение поиска пропавших людей.

Да, на территории нашей огромной и необъятной страны продолжают пропадать люди - и весьма нередки случаи, когда пропадают они в природных условиях. Уходят в лес на прогулку\за грибами, утрачивают ориентиры - и вместе с ними возможность самостоятельно вернуться к родным\в цивилизацию.

Розыском таких пропавших людей занимаются как и государственные структуры (МЧС, полиция), так и волонтёры в составе Поисково-Спасательных Отрядов. Отрядов много, они разные - пожалуй, самые известные из них - Лиза Алерт, Экстремум, Сова, Запад, ОренСпас - увы, перечислить всех очень хотелось бы, но для этого лучше будет запилить отдельный пост.

Наиболее старая и проверенная методика поиска человека, пропавшего в природной зоне (Лес\степь\лесостепь) - пеший поиск. Волонтёры собираются в группы, забирают себе часть поискового квадрата, вооружаются картой\фонарями и методично медленно проходят выбранный участок по заранее оговоренному маршруту с целью постараться увидеть\получить отклик потерявшегося человека. Это тяжёлая, непростая, изнурительная и достойная работа, требующая подготовки, навыков - и - самое непростое - людей, которые её могут выполнить. Для такой тактики поиска добровольцев нужно весьма немало.

Как улучшить поиск? Достаточно хорошие результаты можно получить, запросив на поиск вертолёт. С высоты видно больше, можно увидеть потерявшегося человека, можно набрать ему на телефон и попытаться услышать шум лопастей - вариантов много. За одним минусом. Вертолёт - это дорого, пилотов - немного, встаёт вопрос стоимости лётного часа и множество других, не менее острых вопросов. Дорого. Но эффективно.

Ещё варианты? Правильно. Коптеры. Можно взять коптер, натыкать ему маршрут в поисковом квадрате и чтобы по пути следования он фотографировал территорию. И чтобы на фотографии была геометка. Остаётся найти нужную фотографию с потерявшимся человеком, получить данные о геометке - и можно выдвигаться на координаты и спасать.

Если бы не одно "но". Деревья и прочая растительность + площадь охвата. Поисковиками опытным путём было установлено, что более\менее безопасная и оптимальная высота пролёта коптера при съёмке - 50 метров (выше крон деревьев с запасом). Человек на такой фотографии занимает очень мало места (зачастую без приближения на самой фотографии его даже не идентифицируешь). И таких фотографий с поиска может "приехать" порядка 4 тысяч. Даже опытный глазастый просмотрщик на сотой (а то и пятидесятой) фотографии начнёт уставать - и повышается шанс пропуска потеряшки. Вместе с этим снижаются шансы вовремя спасти человека - время в решении данной задачи играет против нас.

Как ускорить процесс поиска человека по фотографиям с коптера?

Мы проанализировали эту задачу и начали её решать. Собрали данные (банк фотографий с размеченными на них людьми) - потратив огромное количество времени и сил. На собранных данных натренировали нейросеть, написали к ней интерфейс-обёртку, чтобы операторам было удобно работать. Длительно и постоянно работали над улучшением работы как программы, так и нейросети.

Кто это мы? Мы - Лакмус. Свободное сообщество программистов и специалистов по анализу данных. Lacmus Foundation. Мы разрабатываем наше решение в свободное время.

Наша программа свободна в рамках лицензии OpenSource (Лицензия с открытым исходным кодом)

Для проверки эффективности работы программы мы, помимо тестов на собранных данных установили её отдельно взятым операторам БПЛА.

Установили - И...

И программа начала находить потерявшихся людей. В полях, в условиях продолжающегося поиска - с коптера можно загрузить фотографии на ноутбук, скормить их программе - и она сама подсветит те, на которых есть люди .

Получилось быстро. Быстрее, чем фотографию отсмотрит человек. И всяко быстрее, чем если человек будет отсматривать 3-4 тысячи фотографий.

Для сравнения прикрепляю достаточно простую фотографию зимой. Постарайтесь найти на ней человека. Правильный ответ будет ниже, в комментариях.

Лакмус. Нейросети находят пропавших людей Псо Экстремум, Лиза Алерт, Нейронные сети, Квадрокоптер, Без рейтинга, Поиск людей, Беспилотник, Видео, Длиннопост

Немного цифр (Да,мы любим цифры). На фотографии в разрешении 4000x3000 (именно такие мы получаем с коптеров) фигура человека занимает крошечный прямоугольник до 100x50 пикселей. У опытного оператора отсмотр одной фотографии (в зависимости от сложности ландшафта) занимает от 20 секунд до нескольких минут. Наша программа и нейросеть обрабатывает её в среднем за 2 секунды на ноутбуке средней мощности (процессор Core i5, два ядра)

Почему мы решили написать здесь? Нам хочется, чтобы об этой технологии узнало как можно больше людей. И начали её применять - Она в свободном доступе.

Мы создавали программу для того, чтобы помогать спасать потерявшихся.

И будем рады, если с её помощью удастся увеличить количество вовремя спасённых потерявшихся людей.

P.S. В феврале 2020-го мы победили на соревновании разработчиков социальных решений. После чего про наш проект сняли интересный ролик - добро пожаловать по ссылке, будем безумно рады лайкам на Ютубе (серьёзно. Каждому лайку).

В завершении поста хотел бы поблагодарить:

- Сообщество OpenDataScience. Сообщество специалистов, занимающихся анализом данных

- Всех, кто принимает участие в нашем проекте - пишет код, собирает и размечает фотографии

- Тех, кто предоставлял нам фотографии с коптеров. (Владельцы коптеров DJI - вы тоже можете принять участие в пополнении банка данных и улучшении нашей нейросети. Отписывайтесь в комментариях).

- Компанию DTL, с которой мы взаимодействуем в части обучения нейросетей. Это - тяжёлые расчёты, для этого нужны суровые вычислительные мощности. в DTL сервера с жидкостным охлаждением (это есть на ролике в Ютуб) - и это помогает использовать мощности эффективнее (и, что немаловажно - экологичнее)

- Теплицу Социальных Технологий. Которая помогла нам найти новые направления для улучшения нашей программы.

- Режиссёру и оператору, которые сняли информативный ролик и помогли донести сложное простыми словами.

- И, конечно же, всех неравнодушных, кто - несмотря на погоду, забыв про сон, продолжает искать потерявшихся людей. Вы их обязательно найдёте. Обязательно.

P.P.S. Нам нужно улучшать нейросеть. Для этого нужно больше фотографий. С коптеров и с геотегами. Поэтому - пожалуйста, отписывайтесь в комментариях, если Вы готовы помочь с фотографиями.

Подписывайтесь на нас)

Засим всё. Хороших выходных. Берегите себя.

Показать полностью 1 1
29

Электроды на лице и шее позволили нейросети озвучить беззвучную речь

Электроды на лице и шее позволили нейросети озвучить беззвучную речь Синтез речи, Блутуз, Машинное обучение, Длиннопост

Американские исследователи создали прототип системы, которая считывает беззвучную речь при помощи электродов на лице и шее и превращает ее в слышимую речь с помощью нейросети. Потенциально это позволяет создать Bluetooth-гарнитуру, позволяющую разговаривать по телефону, не издавая звуков, или искусственный голосовой аппарат для людей с травмами гортани. Авторы представили разработку на конференцииEMNLP 2020 и получили награду за лучшую статью.

При чтении мы обычно не просто видим слова и понимаем их суть, но и проговариваем их про себя, не издавая при этом никаких звуков. Этот процесс называется субвокализацией. Особенность субвокализации заключается в том, что, хотя мы и не произносим слова вслух, мозг все равно заставляет мышцы голосового тракта двигаться, пускай и намного меньше, чем при обычной вокализованной речи. Инженеры довольно давно научились использовать эти сокращения мыщц и считывать их с помощью различных методов, в основном при помощи электромиографии, которая регистрирует электрическую активность мышц.

В основном нейромышечные интерфейсы для распознавания субковализации используют для превращения беззвучной речи в текст. Дэвид Гэдди (David Gaddy) и Дэн Кляйн (Dan Klein) из Калифорнийского университета в Беркли создали алгоритм для превращения беззвучной речи в слышимую. Ранее другие исследователи уже решали эту задачу: на человеке закрепляли электроды и он произносил текст, а параллельно с этим исследователи записывали звук и электрическую активность. Затем они обучали алгоритм на парах звук-электрическая активность, что позволяло восстановить первое из второго. Этот подход изначально закладывает в результаты неточность, потому что электрическая активность мышц голосового аппарата при слышимой и неслышимой речи похожа, но не идентична.

В новой работе Гэдди и Кляйн использовали более точный подход и решили обучать алгоритм на всех трех типах данных: запись слышимой речи и активность мышц во время слышимой и неслышимой речи. В основе их метода лежит преобразование исходных сигналов (звука и электромиографии) в представление в пространстве признаков. Создать преобразователь из пространства признаков в сигнал для данных, полученных при слышимой речи, относительно легко, потому что оба сигнала согласованы по времени и их можно использовать как пары для обучения. Для беззвучной речи это сделать не так легко, потому что парой для электромиографического сигнала будет беззвучная запись.

Разработчики решили эту проблему, создав алгоритм, который принимает все три сигнала (две электромиограммы и слышимую речь). На первом этапе он с помощью алгоритма динамической трансформации временной шкалы находит оптимальное соответствие между двумя сигналами: другими словами, он позволяет взять фрагмент из первой последовательности и найти его во второй. На втором этапе алгоритм, используя полученное соответствие, создает из аудиозаписи слышимой речи аудиозапись речи из электромиограммы неслышимой.

Этот алгоритм нужен не сам по себе, а в качестве учителя для нейросети, которая делает то же самое, получая на вход не три вида сигнала, а всего один (электромиограмму неслышимой речи). Исследователи использовали рекуррентную нейросеть с долгой краткосрочной памятью (LSTM). Затем данные из пространства признаков, полученные на выходе из нейросети, подаются на нейросеть WaveNet, декодирующую их в аудиозапись человеческого голоса.

Исследователи собрали собственный датасет для обучения алгоритма. Он состоит из 20 часов записи слышимой и беззвучной речи одного добровольца, представленной в виде трех типов данных (звук-две электромиограммы). Обучив нейросеть, авторы проверили понятность генерируемых записей речи. Обычно при проверке новых алгоритмов их результаты сравнивают с результатом лучшего на данный момент алгоритма для этой задачи (state of art). Поскольку ранее никто напрямую не переносил речь из электромиограммы беззвучной речи в звук, авторы решили сравнить полноценную нейросеть с ней же, но обученной на данных с электромиограммы слышимой речи.

Тесты проходили на закрытом словаре (человек зачитывал простые фразы типа даты) и на открытом (отрывки из книг). В качестве метрики авторы использовали стандартную пословную вероятность ошибки (WER): сумма измененных, отсутствующих и лишних слов, поделенная на общую длину текста. На закрытом словаре вероятность ошибки для полноценной нейросети составила 3,6, а для той, которую обучали только на слышимой речи, она составила 88,8. На открытом словаре разница была не такой большой: 74,8 к 95,1 при проверке человеком и 68 к 91,2 при проверке системой распознавания речи Mozilla DeepSpeech.

Исследователи опубликовали код алгоритмов и датасет на GitHub. Кроме того, на сайте конференции опубликован доклад одного из авторов, в котором, помимо прочего, можно услышать результаты работы нейросети (в конце ролика).

Современные алгоритмы умеют распознавать и другую неслышимую речь. Например, в прошлом году китайские и американские инженеры научили нейросеть читать речь по губам.

https://nplus1.ru/news/2020/11/26/silent-voice

Показать полностью
Мои подписки
Подписывайтесь на интересные вам теги, сообщества,
пользователей — и читайте персональное «Горячее».
Чтобы добавить подписку, нужно авторизоваться.
Отличная работа, все прочитано!