揭秘Siri,蘋果發(fā)布論文闡釋語音助手設計想法
就多任務處理、多語言識別等問題,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理,公開揭秘Siri,向業(yè)界貢獻了自己在設計上的不同想法。
在第一篇論文中,蘋果就語音助手中的多任務處理問題進行了闡釋,它指出在Siri中,喚醒處理通常需要兩個步驟: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或多個注冊用戶的語音相匹配(說話者驗證)。一般方法是將兩項任務分別來處理,蘋果則認為可以用一個神經(jīng)網(wǎng)絡模型同時解決兩項任務,同時它表示,經(jīng)過驗證,該方法各方面性能可以達到預期。
在該論文中,研究人員給出了模型示例。他們在包含16000小時帶注釋樣本的數(shù)據(jù)集中訓練了基于兩種思路下設計的模型,其中5000小時的音頻帶有語音標簽,其余均只有揚聲器標簽。相比于一般訓練模型去獲取多個標簽的思路,蘋果通過將不同任務的訓練數(shù)據(jù)進行級聯(lián)來訓練多個相關任務的模型。結果發(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用,它能夠在兩個任務之間共享計算,大大節(jié)省了設備上的內(nèi)存空間,同時計算時間或等待時間以及所消耗的電量/電池數(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別系統(tǒng)設計——知識圖譜輔助聽寫系統(tǒng)決策。以聲學子模型為例,它可以基于語音信號傳輸痕跡來進行預測,并且其上下文感知的預測組件考慮了各種交互上下文信號,其中上下文信號包含有關發(fā)出命令的條件信息、已安裝的命令語言環(huán)境、當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。
結果顯示,這一設計的優(yōu)勢在于,它們可以在語音信號太短而無法通過聲學模型產(chǎn)生可靠預測的情況下提供幫助。
此外,蘋果還提出了一項補充研究,緩解錯誤觸發(fā)問題,即忽略不適合語音助手(Siri)的語音。基于圖結構設計AI模型的思路,研究人員提出了一種圖神經(jīng)網(wǎng)絡(GNN),其中每個節(jié)點都與標簽相連。結果顯示,該模型減少了87%的錯誤觸發(fā)。
作者:Lynn
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
-
10月31日立即下載>> 【限時免費下載】TE暖通空調(diào)系統(tǒng)高效可靠的組件解決方案
-
即日-11.13立即報名>>> 【在線會議】多物理場仿真助跑新能源汽車
-
11月28日立即報名>>> 2024工程師系列—工業(yè)電子技術在線會議
-
12月19日立即報名>> 【線下會議】OFweek 2024(第九屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會
-
即日-12.26火熱報名中>> OFweek2024中國智造CIO在線峰會
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍皮書》
推薦專題
- 高級軟件工程師 廣東省/深圳市
- 自動化高級工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結構工程師 廣東省/深圳市