ИИ-голоса оказались разборчивее человеческой речи в условиях шума

В исследовании приняли участие около 80 человек, которым предлагалось различать предложения в шумовой среде. ИИ-голоса, созданные на основе коротких аудиофрагментов, показали преимущество по разборчивости примерно на 13–20% в зависимости от уровня шума. Это связано с тем, что синтетическая речь имеет более ровный тембр, стабильную громкость и меньше случайных искажений.

В отличие от живого голоса, где присутствуют паузы, изменения интонации и колебания громкости, алгоритмически сгенерированная речь звучит более «ровно». В условиях шума это помогает слуховой системе легче выделять слова и смысл.

При этом исследователи отмечают, что естественные особенности человеческой речи в шумной среде могут мешать восприятию. Искусственные голоса частично обходят эту проблему за счёт упрощённой акустической структуры.