家装行业服务平台一品家居网获500万天使融资
06-18
苹果跨平台Siri虚拟助手在全球拥有超过5亿用户。
显然，语音识别是苹果感兴趣的重要领域之一。
上周，苹果发表了一系列预印本研究论文，研究如何改进语音触发检测和验证以及语言识别技术。
【图片来源：Patently Apple 所有者：Patently Apple】说话人验证和语音触发检测在第一篇论文中，苹果研究人员团队提出了一种经过训练来执行自动语音识别任务的人工智能模型。
它还可以执行说话人识别任务。
正如他们在摘要中解释的那样，Speech Kong 识别的命令通常以触发短语为前缀（例如“嘿，Siri”），检测此触发短语涉及两个步骤。
首先，AI必须判断输入音频中的语音内容是否与触发短语的语音内容匹配（语音触发检测）；其次，AI必须确定说话者的声音是否与注册用户或用户的声音匹配（语音验证）。
通常，这两项任务都是独立考虑的。
但合著者假设，了解语音发起者可能有助于推断声音信号中的语音内容，反之亦然，这将有助于评估这两种属性。
对此，研究人员设计了三套能够学习语音和说话人信息的模型，并在一组包含超过0小时的带注释样本的数据上进行训练，其中几小时的音频带有语音标签（其余为说话人标签） 。
不仅如此，超过 100 名受试者在一系列声学环境中使用智能扬声器设备为语料库做出了贡献，包括安静的房间、房间内电视或厨房设备发出的外部噪音以及录音机以高音量播放音乐。
值得注意的是，还添加了来自电视、广播和播客的数小时不包含触发短语的连续录音，以测量“误报”率。
这些模型显示出学习语音和说话人信息的能力，同时在每项任务上至少实现与具有相同数量参数（控制训练过程某些属性的变量）的基线模型相同的准确性。
事实上，在所提出的三种模型中，其中一种在“多个”设置中优于说话者验证基线，在与文本无关的任务中比基线提高了 7.6%。
研究人员认为，这样的实验结果非常有趣，因为这些模型是使用不相关的数据集进行训练的，也就是说，每个音频样本要么有语音标签，要么有说话人标签，而不是两者都有。
。
观察结果，研究人员提出了一种灵活的设计，通过连接不同任务的训练数据，而不是为每个训练示例获取多个标签，在多个相关任务上训练模型。
从实际角度来看，能够在两个任务之间共享计算可以节省设备内存、计算时间或延迟以及功耗/电池消耗。
【图片来源：venturebeat 作者：venturebeat】 虚假触发缓解 在研究中，有一项补充研究减少了虚假触发的发生，即语音助手有意忽略 Siri 的语音助手。
研究人员表示，他们使用了图神经网络（GNN），这是一种在图结构上运行的人工智能模型，其中每个节点都与一个标签相关联，其目标是在没有基本事实的情况下预测节点。
的标签。
研究人员在论文中写道：语音触发的智能助手通常会在开始监听用户请求之前检测到触发短语……错误的触发通常来自背景噪音或听起来与触发短语相似的语音。
因此，减少误触发是构建以隐私为中心的非侵入式智能助手的重要方面。
在未来的工作中，该团队计划将基于 GNN 的处理扩展到其他任务，例如用户意图分类。
多语言说话人识别 在另一篇论文中，苹果研究人员探索了专为多语言使用者量身定制的说话人语言识别系统。
他们表示，语音识别系统对于大多数语言都具有很高的准确性。
然而，当多种语言出现时，这种语言识别系统的表现就不尽人意了。
因此，基于这个实现，研究人员决定对说话人语言识别系统进行研究。
值得注意的是，最近由 《华盛顿邮报》 委托进行的一项研究表明，谷歌和亚马逊制造的流行智能音箱理解母语人士口音的可能性比非美国口音高出 30%。
同时，像 Switchboard 这样的语料库也被证明对来自该国特定地区的用户存在明显的偏见。
该语料库也是IBM、微软等公司用来衡量语音模型错误率的数据集。
针对这种情况，合著者将有关使用模式的知识集成到一个听写系统中，该系统能够为来自 60 多个地区的说话者做出决策。
其中，声学子模型将根据语音信号传达的证据进行预测，而上下文感知预测组件则考虑各种交互式上下文信号。
通过这两方面的预测，选择最优的单语自动语音识别系统。
应当理解，上下文信号包含关于发出听写请求的条件的信息，包括关于安装的听写区域、当前选择的听写区域以及用户在发出请求之前是否切换听写区域的信息。
重要的是，当语音信号太短时，它们有助于依靠声学模型产生可靠的预测。
例如，如果用户同时安装了英语和德语，则像“naIn”这样的短而模糊的句子可能是德语中的否定词“nein”，或者是英语中的数字“nine”。
此外，为了评估该系统，研究人员还开发了一个名为“平均用户准确率”的自定义指标（雷锋网出版社，AUA，平均用户准确率），他们认为这可以更好地反映模型的准确性。
“人口水平”使用模式。
通过对多语言说话者的口述话语的内部语料库以及相应的交互上下文信息进行严格训练，它在所有语言组合上实现了 87% 的平均准确率，同时与基线相比，最坏情况的准确率提高了 60 以上%。
此外，在团队调整参数以平衡准确性和延迟与在设备上运行模型的计算负载之后，平均延迟从 2 秒减少到 1.2 秒，对 AUA 的影响不超过 0.05%。
雷锋网注：本文编译自 Venturebeat 版权文章。
未经授权禁止转载。
详情请参阅转载说明。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-21
06-08
06-18
最新文章
3月，腾讯《王者荣耀》在全球App Store和Google Play吸引了2.57亿美元，同比增长63%
生鲜传奇宣布完成数亿元B+轮融资
裁员20%？红杉中国回应：胡说，员工总数不降反升
第二次影视创新“闯”短剧世界：看、留、跳都是钱
ASML：从飞利浦弃儿到光刻之王
宁康瑞珠获数千万元A轮融资 横琴金投、翰颐资本投资
智能金融服务生态平台科客完成A+轮融资
拼多多九鼎：信息披露无懈可击，竞争对手才是“浇水”的