Videokonferenzen vom Titanic-Wrack?

Dank dieses Forschers gibt es buchstäblich keinen Ort, an dem man sich vor Zoom-Anrufen verstecken kann.

Ein Forscher hat Videokonferenztechnik an einen der entlegensten Orte der Erde gebracht: Das Wrack der HMS Titanic, das 13.000 Fuß unter der Oberfläche auf dem Meeresboden liegt.

"Es ist, als könnten wir jetzt Videokonferenzen aus dem Abgrund durchführen", sagt Alex Waibel, Forscher an der Carnegie Mellon University und am Karlsruher Institut für Technologie.

Schon Angst?

Waibel ist Experte für Text-to-Speech-Technologie. Derzeit können Forscher, die das Wrack der Titanic oder andere Tiefseeziele in Tauchbooten erkunden, nur über Textnachrichten mit der Oberfläche kommunizieren, die per Sonar gesendet werden. Funksignale funktionieren unter Wasser nicht gut, was ein Kommunikationsdilemma darstellt, für das Wissenschaftler seit dem Zweiten Weltkrieg Umgehungslösungen gefunden haben.

Während einer kürzlichen Reise von OceanGate Expeditions erzählte Waibel von seinem Tauchgang und nutzte Spracherkennungstechnologie, um das, was er sagte, in übertragbare Nachrichten umzuwandeln. Oberflächlich betrachtet hat die Technologie, die Waibel und sein Team entwickelt haben, die groben Textnachrichten mithilfe von KI in Video umgewandelt. Das Ergebnis war ein Video nahezu in Echtzeit, in dem Waibels Stimme über ein Video gelegt wurde, das so aussah, als würden sich seine Lippen synchron zu den Worten bewegen. Diese Bemühungen zielen darauf ab, die natürliche Kommunikation in extremen Umgebungen zu unterstützen, könnten aber auch auf Verbrauchermärkten Potenzial haben. Waibel ist Zoom Research Fellow und berät die KI-Forschung und die Entwicklung von Sprachtechnologie des Unternehmens. 

"Durch die Interpretation und Nachbildung der natürlichen Sprachkommunikation versuchen wir, die Arbeitsbelastung von  Wissenschaftlern und Piloten bei solchen Missionen auf natürliche Weise zu reduzieren, trotz der Herausforderungen durch Salzwasser, Betriebsstress, Gesprächsdialog und schlechten akustischen Zustand", sagte Waibel gegenüber Aaron Aupperlee von der CMU.

Wir haben über die enormen Fortschritte und das Marktwachstum der Spracherkennung geschrieben, die in eine beschleunigte Phase der Entwicklung und Einführung in einer Reihe von Schlüsselsektoren eintritt. Waibels Arbeit baut auf diesem Trend auf und bietet einen Bereitstellungsmechanismus, der Broadcasts mit geringer Bandbreite (in diesem Fall per Sonar) verwendet, um dem Endbenutzer effektiv vollständige, wenn auch synthetisierte Videos zur Verfügung zu stellen.

Die Technologie verwendet eine synthetisierte Stimme, die wie der Sprecher klingt, und baut auf Fortschritten in der KI-gestützten Text-to-Speech-Technologie auf. Eine weitere mögliche Anwendung der Technologie ist die schnelle Übersetzung von einer Sprache in eine andere, bei der ein Endbenutzer ein Video in einer verständlichen Sprache sieht, die der Sprecher nicht wirklich kennt.