Microsoft on kehittänyt videokäännösohjelmiston, jossa käyttäjän oikeasta videokuvasta luotu 3d-avatarhahmo puhuu käyttäjän omalla äänellä ja kääntää puhetta lukuisille kielille.

Microsoft esitteli Techfest-tapahtumassa Monolingual TTS -sovellustaan, josta kertoo esimerkiksi amerikkalainen uutispalvelu ZDNet. Sovellus on osa laajempaa puhuvien päiden hanketta.

Pekingissä toimivan tutkimuslaboratorion kehittämä vielä kokeellinen sovellus mallintaa käyttäjästä kolmiulotteisen videokuvan Xbox 360 –pelikonsolin Kinect-liiketunnistimen avulla. Samalla sovellus tallentaa käyttäjän puheäänen esimerkiksi webbikameran mikrofonilla.

Luonnollisen vaikutelman saamiseksi tekoälysovellus tarvitsee noin tunnin opetusjakson. Lopputuloksena on käyttäjän äänellä melko luontevasti puhuva, huulia aidon näköisesti liikutteleva ja ilmehtivä 3d-videoavatar käyttäjästä.

Pelkästään näin syntyvä realistisesti renderöitävä videoavatar avaa rutkasti mielenkiintoisia käyttömahdollisuuksia. Ratkaisu voisi tulla esimerkiksi Xbox-konsolin seuraavassa versiossa, jonka käyttäjät saisivat sitten peleihin itsensä näköisen ja kuuloisen videohahmon.

Kun pelkkään videoavatariin lisätään kielenkääntäminen tosiajassa, päästään vielä huikeampiin visioihin. Eikä Microsoftin ohjelmisto pelkästään käännä, vaan se renderöi käyttäjän puhetta vieraille kielille teksti-puheeksi-synteesimenetelmällä (text-to-speech, tts).

Monolingual TTS hallitsee toistaiseksi 26 eri kieltä, mukaan lukien suomea. Käännös ei vielä tapahdu lennosta, mutta vauhti oletettavasti paranee vähitellen.

Kenties jo muutaman vuoden kuluttua ratkaisu on arkipäivää. Esimerkiksi lomamatkalla voisi ravintolassa puhua tarjoilijalle omaa kieltään ja pidellä tarjoilijan edessä älypuhelinta, jonka näytöllä itse puhuisi sujuvasti vaikkapa kantoninkiinaa.

Lähde: Tietokone ja Techfest (video)