谷歌近日在對Gboard輸入法的更新中，為Pixel手機(jī)用戶引入了基于人工智能的離線聽寫功能。谷歌表示Pixel用戶并不需要擔(dān)心是否已經(jīng)連接網(wǎng)絡(luò)，都可以更快更可靠的聽寫電子郵件和文本信息。負(fù)責(zé)谷歌語音和移動輸入的團(tuán)隊(duì)負(fù)責(zé)人和科研專家Franoise Beaufays表示：“設(shè)想下這樣的場景：你要出門但是你要給某人發(fā)送‘我要遲點(diǎn)到’的短信，由于你離開WiFi網(wǎng)絡(luò)覆蓋區(qū)域且沒有激活蜂窩網(wǎng)絡(luò)因此你無法獲得網(wǎng)絡(luò)連接，而現(xiàn)在這不是問題了。”

或許對于用戶來說這是一個微不足道的改進(jìn)，但是Beaufays表示雖然語音識別技術(shù)的改進(jìn)將會慢慢改變我們同移動設(shè)備交互的方式。她指出雖然語音識別技術(shù)近年來有較大的改善，但仍然是一項(xiàng)不成熟的技術(shù)。它是計(jì)算密集型的，這意味著大多數(shù)語音識別系統(tǒng)必須通過互聯(lián)網(wǎng)發(fā)送數(shù)據(jù)，結(jié)果是聽寫緩慢且不可靠。

Beaufays說：“設(shè)想下如果你所使用的輸入法，只有網(wǎng)絡(luò)連接不好就無法敲擊鍵盤，那么你肯定不會再去使用這個輸入法�！钡�是通過離線操作可以讓聽寫變成一個更自然的選擇。為了實(shí)現(xiàn)這個改變，Google團(tuán)隊(duì)耗費(fèi)了五年時間對語音識別進(jìn)行了深入的研究，并簡化了用于語音識別AI系統(tǒng)。例如，舊版Gboard的聽寫操作使用三個獨(dú)立的組件來模擬音頻波形，將聲音與音素匹配，然后將這些音素組合成書面輸出，更新后的版本將所有這些工作集成到一個步驟中。

此外新模型還簡化了系統(tǒng)組件“decoder graph”，該組件就像是書籍中的索引的，能夠?qū)⒙暡ㄞD(zhuǎn)換成為匹配的書面文字。在舊版Gboard的聽寫模型中，這個decoder graph容量達(dá)到了2GB，這對于手機(jī)用戶來說無疑是太大了。相比較而言，新版本只有80MB，小了25倍。

本次升級僅限于美國英語的聽寫，且僅支持Pixel系列手機(jī)。不過Beaufays表示未來將會面向更多語言開放。Beaufays表示：“從技術(shù)的角度來說，我認(rèn)為我們可以在更多手機(jī)上實(shí)現(xiàn)這點(diǎn)，而不僅僅只是Pixel。而且我認(rèn)為未來會在更多設(shè)備上支持更多語言。”