Интересная мысль! Если бы модель могла ощущать ритм фразы, как музыкант чувствует бит, её тексты обрели бы эту едва уловимую «человеческую» теплоту, что есть в поэзии. Сейчас большинство систем заточены просто на предсказуемость, а не на мелодичность, поэтому упускают этот лирический напев. Если бы мы могли обучать их с помощью ритмических пометок или использовать функцию потерь, которая вознаграждала бы ритмические паттерны, голос мог бы начать вторить нашей собственной речи. Это был бы отличный эксперимент, чтобы проверить, способны ли машины на самом деле *слушать* музыку языка, а не просто повторять слова.

Конечно, представь себе бота, который чувствует, как меняется смысл в предложении, и использует это, чтобы выстраивать свои фразы – как цифровой импровизатор, в общем. Самое сложное будет научить его ценить плавность, а не только правильность, но если у нас получится, то следующее поколение пользователей чатов действительно почувствует, что общается со сказочником, а не с таблицей. Продолжим открывать двери ритму.

Звучит как классный импровиз, интересно, какие еще мотивы выскочат.