WaveNet
Zusammenfassung
Kurz
Der Bericht beschreibt WaveNet als neuronales Sprachmodell, das Audiosamples Schritt für Schritt erzeugt und damit natürlichere Stimmen ermöglichen soll. Er nennt beschleunigte Sprachsynthese, den Einsatz in Google-Diensten und die Wiederherstellung einer synthetischen Stimme für Tim Shaw als Beispiele; die Zahlen und Wirkungsbehauptungen werden nicht näher methodisch belegt.
Mittel
Der Bericht stellt WaveNet als neuronales Modell zur Erzeugung natürlicher klingender Sprache vor. Frühere Text-to-Speech-Verfahren hätten Sprachaufnahmen aus einzelnen Lauten zusammengesetzt oder Vocoder eingesetzt; die Ergebnisse klängen oft mechanisch und Änderungen erforderten neue Aufnahmen. WaveNet sagt dagegen Audiosamples nacheinander voraus und soll dadurch auch Atem- und Lippenlaute, Intonation, Akzente und Emotionen abbilden. Für erste englische und chinesische Stimmen sei der Abstand zu menschlicher Sprache laut Bericht um 50 Prozent gesunken.
Anfangs habe die Erzeugung einer Sekunde Audio Stunden gedauert. Durch Destillation sei WaveNet 1.000-mal schneller geworden und habe eine Sekunde Sprache in 50 Millisekunden erzeugt. Das parallel entwickelte WaveRNN sei leichter und könne auch auf Mobiltelefonen laufen. Beide Technologien seien in Google-Dienste wie Assistant, Maps Navigation und Cloud Text-to-Speech eingeflossen; WaveNetEQ habe Duo-Anrufe verbessert. Als Beispiel nennt der Text Tim Shaw, dessen durch ALS beeinträchtigte Stimme mithilfe von WaveRNN, weiterer Sprachtechnik und archivierten Interviews rekonstruiert worden sei. Die Leistungs- und Wirkungsangaben sind im Bericht nicht durch nähere Messmethoden oder unabhängige Belege erläutert.
Ausführlich lesen
Der Bericht beschreibt WaveNet als einen von Google DeepMind entwickelten Ansatz zur Erzeugung natürlicher klingender Sprache. Ausgangspunkt sei, dass frühere Text-to-Speech-Systeme meist Sprachaufnahmen in einzelne Laute zerlegt und neu zusammengesetzt oder digitale Signalverarbeitung mit sogenannten Vocodern eingesetzt hätten. Die Stimmen hätten dadurch oft mechanisch geklungen und Störartefakte wie Knacken, Summen oder Pfeifen enthalten. Änderungen hätten zudem neue Aufnahmen erfordert und seien deshalb zeitaufwendig und teuer gewesen.
WaveNet gehe anders vor: Das generative neuronale Modell werde mit menschlicher Sprache trainiert und erzeuge Sprachwellenformen, indem es einzelne Audiosamples nacheinander vorhersage. Laut Bericht können dabei bis zu 24.000 Samples pro Sekunde entstehen. Das Modell bilde auch Merkmale wie Lippen- und Atemgeräusche sowie Intonation, Akzente und Emotionen ab. Bei der ersten Vorstellung seien amerikanisches Englisch und Mandarin-Chinesisch umgesetzt worden; dadurch sei der Abstand zwischen menschlichen und computergenerierten Stimmen laut Bericht um 50 Prozent verringert worden.
Die frühen Versionen waren dem Bericht zufolge sehr langsam: Für eine Sekunde Audio hätten sie Stunden benötigt. Durch Destillation, also die Übertragung von Wissen aus einem größeren in ein kleineres Modell, sei WaveNet so überarbeitet worden, dass es 1.000-mal schneller als der Forschungsprototyp lief und eine Sekunde Sprache in 50 Millisekunden erzeugte. Parallel entstand WaveRNN, das einfacher, schneller und recheneffizienter gewesen sei und auch auf Geräten wie Mobiltelefonen statt nur in Rechenzentren laufen könne.
WaveNet und WaveRNN seien laut Bericht in Dienste wie Google Assistant, Maps Navigation, Voice Search und Cloud Text-to-Speech eingeflossen. Eine Erweiterung namens WaveNetEQ habe außerdem die Gesprächsqualität in der Videoanruf-App Duo verbessert. Als persönlichen Anwendungsfall schildert der Text Tim Shaw, einen früheren NFL-Linebacker, dessen Stimme sich infolge von ALS verschlechtert habe. Google Project Euphonia habe an besserer Erkennung seiner beeinträchtigten Sprache gearbeitet. Durch die Kombination von WaveRNN mit weiteren Sprachtechnologien und archivierten Medieninterviews sei eine natürlich klingende Version seiner Stimme erstellt worden, mit der er wieder sprechen konnte.
Der Bericht schreibt WaveNet darüber hinaus zu, neue Forschung und weitere Technologien für natürlich klingende Stimmen angestoßen zu haben. Er nennt Übersetzung, individuelle Audioinhalte und Unterstützung bei Kommunikationsbarrieren als mögliche beziehungsweise erreichte Anwendungsfelder. Die Aussagen zu Leistungsverbesserungen, Verbreitung und Wirkung werden im Text berichtet, aber nicht durch unabhängige Messdaten oder nähere methodische Angaben belegt. Der Bericht erläutert insbesondere nicht, wie die 50-Prozent-Angabe ermittelt wurde oder welche Einschränkungen die beschriebenen Anwendungen haben.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Bewertet wurde die mittlere Zusammenfassung; die kurze ist ebenfalls treu, lässt aber die Zahlen zu 50 Prozent und zur 1.000-fachen Beschleunigung aus. Lunas Stufen und Anteilswerte wurden unabhängig neu vergeben. Teilfragen gab es nicht.
Im Bericht, aber nicht in der Zusammenfassung
- Die Aussage, WaveNet sei vom Forschungsprototyp zu einem Produkt geworden, das von Millionen Menschen genutzt wird
- Die Angabe von bis zu 24.000 Audiosamples pro Sekunde
- Der Ausblick, dass WaveNet eine neue Generation von Sprachsyntheseprodukten angestoßen hat
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vorfälle melden
- SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Fähigkeiten messen
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 46 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 52 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 56 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 50 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 61 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 30 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 52 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 78 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung kein Bezug
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 67 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 78 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 29 %Hintergrund, keine Belege
- JEV 59 %einzelne zitierbare Belege
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 55 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 30 %gleiches Oberthema, hilft nicht
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 65 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 40 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 67 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 39 %Hintergrund, keine Belege
- JEV 51 %einzelne zitierbare Belege
- amos 28 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung nur am Rande erwähnt
- SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 55 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Frieden und Sicherheit
- SF-K2 Wie weit gelten KI-Abkommen für Verbündete und Geheimdienste, und wie verhalten sie sich zu bestehenden Rüstungskontrollverträgen und -regimen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 50 %Hintergrund, keine Belege
- JEV 31 %gleiches Oberthema, hilft nicht
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 51 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 60 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Information und Öffentlichkeit
- SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Weitere Berichte zu diesen Fragen
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv