体坛直播

当前位置:主页 > 体坛直播 >

那为什么在AI语音鉴黄上那么难?

时间:2018-09-27 10:56 作者:admin 点击:

  研究人员从YouTube上10万段“讲座和谈话”视频中提取了近2000小时的视频片段,然后混合音频与人工背景噪声,创造“鸡尾酒派对”。训练技术人员将混合音频进行拆分,谷歌的系统能够分辨出哪个音频源在给定的时间内属于哪张人脸,并为每个扬声器创建单独的语音轨迹。
 
  人民对性的态度向来很奇怪,父母和长辈期待子女能无师自通,教育者三缄其口,最后少男少女通过其他渠道实现了对性的初级摸索,当然这个摸索过程就很曲折了,文字,图片,视频和音频遍地开花,“学习资料”越来越方便传播。
 
  食也性也,但传播色情内容却有极大的负外部效应,懵懂少男少女极易受其蛊惑,鉴黄师的重要性可想而知。在苹果商店的社交App中,有超过1/10的应用主打声音社交功能,由此催生出了一个新兴职业——声音鉴黄师。声音鉴黄师是一个让身心饱受摧残的职业,一位女性声音鉴黄师称,“一个人平均一天需要鉴定4000条信息,24小时轮班监控,各种荤段子、暧昧语音,有时(听到)恶心想吐。”
 
  声音鉴黄师是一份不足以为外人道也的工作声音鉴黄师是一份不足以为外人道也的工作
 
  由于这份工作实在是太过于枯燥,很多男生都受不了,因此声音鉴黄师多为女性且离职率高。一般枯燥且重复率高的工作都是AI的拿手好戏,那么AI有没有办法实现声音鉴黄呢?
 
  视频,图片和语音是色情内容常见的三种形式,多数公司的鉴黄都是立足于视频和图片,比如阿里的阿里绿网、腾讯的万象优图等等。有人可能会疑问,这几年科大讯飞、百度、腾讯等公司先后对外公布语音识别准确率均达到“97%”,那为什么在AI语音鉴黄上那么难?
 
  这是因为社交平台的语音环境十分复杂,机器很难从庞大杂乱的语音中揪出涉黄涉暴人员,而这就不得不提鸡尾酒效应了。所谓鸡尾酒效应是指,在鸡尾酒会嘈杂的人群中,尽管周围噪声很大,两人可以顺利交谈,你们似乎听不到谈话内容以外的各种噪音。这是因为我们的大脑对声音都进行了某种程度的预判,然后才决定听或不听。
 
  用特瑞斯曼的注意衰减理论来解释就是,当人的听觉注意集中于某一事物时,意识将一些无关声音刺激排除在外,而无意识却监察外界的刺激,一旦一些特殊的刺激与己有关,就能立即引起注意的现象。
 
  但是机器却不具备这样意识和无意识,因此难以实现在嘈杂环境下的语音识别,这样看来AI语音鉴黄貌似已经走进了死胡同。
 
  实际上,已有公司在解决鸡尾酒效应上做出了努力。今年4 月,Google曾在博客上发文称,谷歌研究人员开发出了一种深度学习系统,可识别和分离出嘈杂环境中的个体声音。
 
  但Google的技术集中在视频处理上,主要是对数段声音的分离,而人工声音鉴黄仅仅依靠声音,有所不同。前不久,阿里AI语音反垃圾服务上线公测,它可以通过声纹识别技术,识别语音中存在的涉黄、广告等违规信息,不管是中日英俄等语言,还是东北,四川,广东的方言,甚至连无意义的呻吟声都可以轻松判别。
 
  具体办法是,对那些有语义的内容,系统先将语音识别转成文字,然后再将这些文字跟文本反垃圾模型或关键词库比对,判断是否涉黄,对那些无语义的声音,通过声纹也能识别出来。但有一点值得注意的是,在语音识别的过程中,识别是哪种语言比内容更难,机器翻译也存在这样的问题,因此还需要大量数据来进行训练学习。
 
  做好嘈杂环境的语音识别,难点是如何将杂音与人声分离。但对于声音鉴黄而言,一开始并不知道哪一个音源涉黄,很难说谁是噪音,这需要机器具有全局观。而上面提到的技术,声音分离或者将语音识别转成文字都只是基本,由于尚未在语音复杂的环境下试验过,因此这个结果嘛……退一万步讲,社交黑话也并不是那么好破译的。