訂閱
糾錯
加入自媒體
當(dāng)前位置： OFweek 人工智能網(wǎng)   >  正文

亞馬遜語音專家揭秘Alexa耳語模式的AI基礎(chǔ)

上周，亞馬遜在美國西雅圖舉行的發(fā)布會上一口氣推出了十余款A(yù)lexa設(shè)備，大部分設(shè)備主要由Alexa語音平臺驅(qū)動。其中部分設(shè)備將增添“耳語模式”功能，使Alexa設(shè)備用耳語來回應(yīng)用戶的低聲說話。日前，亞馬遜Alexa語音系統(tǒng)小組的一位專家Zeynab Raeesy在其博文中揭秘了這一功能的AI基礎(chǔ)。

Raeesy在博文中介紹：“如果你在一個有小孩睡覺的房間，當(dāng)有人走進(jìn)來時，你會馬上低聲說話，提醒進(jìn)來的人你希望房間內(nèi)能保持安靜，而進(jìn)來的人意識到這一點(diǎn)之后，很可能也會壓低聲音講話�！�

Raeesy指出，Alexa的耳語模式令人難以理解的地方在于它是清音的，也就是說，它不涉及聲帶振動，往往比普通的語音在低頻段具有更少的能量。她與小組的同事研究了兩種能區(qū)分正常語音和耳語音的神經(jīng)網(wǎng)絡(luò)。

兩種神經(jīng)網(wǎng)絡(luò)主要在結(jié)構(gòu)上有所區(qū)別，一個是MLP（多層感知器），另一個是能進(jìn)行時間遞歸的LSTM（長短期記憶）網(wǎng)絡(luò)，這兩者用來做訓(xùn)練的數(shù)據(jù)是一樣的，這些數(shù)據(jù)包括（1）對數(shù)濾波器組能量，或者是用來記錄不同頻率范圍信號能量的語音信號表示；（2）能區(qū)別耳語音與正常語音之間信號差異的一組特征。

在測試中，他們發(fā)現(xiàn)LSTM的表現(xiàn)結(jié)果比MLP更好，具備許多優(yōu)勢。Raeesy解釋道，Alexa語音識別引擎的其他組件完全依賴對數(shù)濾波器組能量，并給不同的組件提供相同的輸入數(shù)據(jù)，進(jìn)而使整個系統(tǒng)更加緊湊。

Alexa耳語模式的開發(fā)并非一帆風(fēng)順，至少在最初階段是這樣的。由于Alexa是通過短時間的沉默（一種被稱為“結(jié)束指向”的技術(shù)）來識別指令的結(jié)束或者進(jìn)行回復(fù)，LSTM往往在話語即將結(jié)束時降低置信度。為解決這個問題，研究人員將LSTM的輸出校準(zhǔn)成整個話語的平均值，最終，降低最后1.25秒的語音數(shù)據(jù)成為維持“耳語模式”性能的關(guān)鍵。

美式英語的耳語模式功能將在今年11月份推出，對耳語模式具體工作原理的介紹將以論文的形式在12月份的IEEE語音技術(shù)研討會上發(fā)表。

聲明： 本網(wǎng)站所刊載信息，不代表OFweek觀點(diǎn)。刊用本站稿件，務(wù)經(jīng)書面授權(quán)。未經(jīng)授權(quán)禁止轉(zhuǎn)載、摘編、復(fù)制、翻譯及建立鏡像，違者將依法追究法律責(zé)任。

發(fā)表評論

共0條評論，0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁，請輸入驗證碼繼續(xù)

暫無評論

暫無評論

    掃碼關(guān)注公眾號
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯
    x
    *文字標(biāo)題：
    *糾錯內(nèi)容：
    聯(lián)系郵箱：
    *驗 證 碼：

    粵公網(wǎng)安備 44030502002758號