Forscher verweisen auf Einsatz für Videochats und Hörhilfen - Könnte aber auch für Überwachung herhalten

Forscher bei Google haben sich dieses Themas nun angenommen, und eine recht simple Lösung gefunden: Man holt sich nämlich zusätzlich Informationen über eine Kamera. Über Maschinenlernen erkennt das Google-System dabei wer gerade spricht, und kann infolge einzelne Stimmen von einander trennen.



Das Ergebnis ist durchaus beeindruckend, wie ein Testvideo zeigt. In diesem sprechen zwei Personen gleichzeitig, die Google-KI kann dabei den Tonfokus zur Gänze auf die eine oder andere Person wechseln, der Rest ist einfach nicht mehr zu hören.