Розрізнити голоси кількох людей, які говорять одночасно, впізнати мовця за записом або виявити ознаки перевантаження пілота — над такими завданнями працюють науковці у чеському Брно. Керівник досліджень професор Ян Черноцький (Jan Černocký) 10 листопада отримав найвищу державну наукову нагороду Чехії.
Професор Брненського технічного університету (Vysoké učení technické v Brně) став лауреатом Національної премії уряду «Чеська голова» (Česká hlava) за 2026 рік. Як повідомив університет 11 листопада, нагороду присудили за багаторічний внесок у розвиток технологій обробки людського мовлення за допомогою штучного інтелекту.
За цією роботою стоїть міжнародна команда приблизно з 30 дослідників десяти національностей. Вони розробляють системи, які аналізують не лише сказані слова, а й сам голос та звукові особливості розмови.
Що штучний інтелект може дізнатися з людського голосу
Звичайне розпізнавання мовлення перетворює голос на текст. У Брно науковці розв’язують складніші завдання: навчають комп’ютер визначати, хто говорить, якою мовою і в який момент один співрозмовник змінює іншого.
Особливо складно працювати із записами, де одночасно говорять кілька людей, чути вітер, сторонні звуки або сигнал надходить через неякісний зв’язок. Саме на таких умовах зосереджена значна частина досліджень команди.
Черноцький пояснив, що його колектив працює над технологіями розпізнавання мовців і визначення того, хто та коли говорить на записі. Окремий напрям — пошук інформації про стан людини за її голосом.
Навіщо аналізувати голос пілота
Один із найцікавіших напрямів роботи брненських науковців пов’язаний з авіацією. Дослідники намагаються навчити системи помічати ознаки стресу та розумового перевантаження пілота.
Для цього вони збирають дані про мовлення та використовують інформацію з інших датчиків. Мета — створити методи, які допомагатимуть оцінювати стан пілота під час роботи. Проєкт перебуває на дослідницькому етапі.
Технології аналізу мовлення застосовують також у сфері безпеки, голосової біометрії та обробки аудіозаписів. Черноцький розповів про співпрацю з чеською поліцією і спецслужбами.
А якщо голос підроблений?
Інша проблема, над якою працює команда, — підроблені голоси. Сучасний штучний інтелект здатний створювати синтетичне мовлення, що звучить дедалі природніше.
В інтерв’ю університету Черноцький висловив побоювання, що протягом наступних п’яти-десяти років відрізняти штучний голос від справжнього стане ще складніше. Він пов’язує це з розвитком технологій кодування та синтезу мовлення, які поступово використовують подібні компоненти.
Це зачіпає і питання довіри до електронного спілкування. Показово, що під час опитування про використання штучного інтелекту в Чехії понад 90% респондентів підтримали чітке інформування людей про спілкування із ШІ та створений ним контент.
Майже 30 років роботи і команда з десяти національностей
Дослідженнями Черноцький займається з кінця 1990-х років. Під час наукового стажування у США 2001 року він почав активно працювати з нейронними мережами — у той час, коли багато фахівців ще скептично оцінювали їхні можливості.
Згодом невелика дослідницька група в Брно перетворилася на міжнародний колектив, відомий як «Спіч ет ФІТ» (Speech@FIT). Його розробки використовують у наукових і комерційних проєктах. У 2006 році Черноцький став одним зі співзасновників компанії «Фонексія» (Phonexia), яка займається технологіями розпізнавання мовлення та голосової біометрії.
Сам лауреат наголошує, що нагорода належить усій команді. Свою роль він порівнює з людиною, яка розчищає дорогу іншим: знаходить талановитих дослідників, допомагає їм працювати в Брно та створює умови для нових проєктів.
Серед його колишніх докторантів — Томаш Міколов (Tomáš Mikolov), відомий дослідженнями нейронних методів обробки природної мови. А нинішня команда продовжує працювати над розпізнаванням кількох голосів одночасно, аналізом стану пілотів і протидією голосовим підробкам.
