揭秘Siri,蘋果發(fā)布論文闡釋語音助手設(shè)計(jì)想法
就多任務(wù)處理、多語言識(shí)別等問題,蘋果在論文中給出了自己不同的想法。
最近,蘋果發(fā)布了一系列論文來闡釋語音助手的重要工作機(jī)理,公開揭秘Siri,向業(yè)界貢獻(xiàn)了自己在設(shè)計(jì)上的不同想法。
在第一篇論文中,蘋果就語音助手中的多任務(wù)處理問題進(jìn)行了闡釋,它指出在Siri中,喚醒處理通常需要兩個(gè)步驟:AI首先必須確定輸入音頻中的語音內(nèi)容是否與觸發(fā)短語的語音內(nèi)容匹配(語音觸發(fā)檢測),然后必須確定說話者的語音是否與一個(gè)或多個(gè)注冊用戶的語音相匹配(說話者驗(yàn)證)。一般方法是將兩項(xiàng)任務(wù)分別來處理,蘋果則認(rèn)為可以用一個(gè)神經(jīng)網(wǎng)絡(luò)模型同時(shí)解決兩項(xiàng)任務(wù),同時(shí)它表示,經(jīng)過驗(yàn)證,該方法各方面性能可以達(dá)到預(yù)期。
在該論文中,研究人員給出了模型示例。他們在包含16000小時(shí)帶注釋樣本的數(shù)據(jù)集中訓(xùn)練了基于兩種思路下設(shè)計(jì)的模型,其中5000小時(shí)的音頻帶有語音標(biāo)簽,其余均只有揚(yáng)聲器標(biāo)簽。相比于一般訓(xùn)練模型去獲取多個(gè)標(biāo)簽的思路,蘋果通過將不同任務(wù)的訓(xùn)練數(shù)據(jù)進(jìn)行級聯(lián)來訓(xùn)練多個(gè)相關(guān)任務(wù)的模型。結(jié)果發(fā)現(xiàn),在性能表現(xiàn)相同的情況下,蘋果新提出的模型反而更適合應(yīng)用,它能夠在兩個(gè)任務(wù)之間共享計(jì)算,大大節(jié)省了設(shè)備上的內(nèi)存空間,同時(shí)計(jì)算時(shí)間或等待時(shí)間以及所消耗的電量/電池?cái)?shù)量都將降低。
在另一篇論文中,蘋果還介紹了多語言演講場景的演講者識(shí)別系統(tǒng)設(shè)計(jì)——知識(shí)圖譜輔助聽寫系統(tǒng)決策。以聲學(xué)子模型為例,它可以基于語音信號(hào)傳輸痕跡來進(jìn)行預(yù)測,并且其上下文感知的預(yù)測組件考慮了各種交互上下文信號(hào),其中上下文信號(hào)包含有關(guān)發(fā)出命令的條件信息、已安裝的命令語言環(huán)境、當(dāng)前選擇的命令語言環(huán)境以及用戶在發(fā)出請求之前是否切換命令語言環(huán)境的信息。
結(jié)果顯示,這一設(shè)計(jì)的優(yōu)勢在于,它們可以在語音信號(hào)太短而無法通過聲學(xué)模型產(chǎn)生可靠預(yù)測的情況下提供幫助。
此外,蘋果還提出了一項(xiàng)補(bǔ)充研究,緩解錯(cuò)誤觸發(fā)問題,即忽略不適合語音助手(Siri)的語音;趫D結(jié)構(gòu)設(shè)計(jì)AI模型的思路,研究人員提出了一種圖神經(jīng)網(wǎng)絡(luò)(GNN),其中每個(gè)節(jié)點(diǎn)都與標(biāo)簽相連。結(jié)果顯示,該模型減少了87%的錯(cuò)誤觸發(fā)。
作者:Lynn

發(fā)表評論
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個(gè)字
最新活動(dòng)更多
-
10月23日火熱報(bào)名中>> 2025是德科技創(chuàng)新技術(shù)峰會(huì)
-
10月23日立即報(bào)名>> Works With 開發(fā)者大會(huì)深圳站
-
10月24日立即參評>> 【評選】維科杯·OFweek 2025(第十屆)物聯(lián)網(wǎng)行業(yè)年度評選
-
11月27日立即報(bào)名>> 【工程師系列】汽車電子技術(shù)在線大會(huì)
-
12月18日立即報(bào)名>> 【線下會(huì)議】OFweek 2025(第十屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會(huì)
-
精彩回顧立即查看>> 【限時(shí)福利】TE 2025國際物聯(lián)網(wǎng)展·深圳站
推薦專題