亞馬遜的人工智慧系統有助於將 Alexa 的語音辨識錯誤減少 15%。

幾個月前，亞馬遜詳細說明了一些問題，這些問題導致當用戶在某些電視型號、網路或廣播廣告中喚醒虛擬助理時，Alexa 無法提供準確的回應。畢竟，這裡的主要問題是亞馬遜的語音助理如何有效過濾環境中的背景噪音，為用戶提供更準確的回饋。最近，在一篇名為「端對端錨定語音辨識」的部落格文章和隨附的研究論文中，亞馬遜工程師特別提出了一種基於人工智慧創建的新噪音隔離技術，可以幫助將Alexa 的語音識別和命令提高15%。有關該系統如何運作的更多詳細資訊預計將在今年稍後在布萊頓舉行的國際聲學、語音和訊號處理會議上公佈。

• 迪士尼的人工智慧模型從腳本生成動畫序列

「事實上，我們一直試圖透過教她如何『忽略』不適合她的命令來提高 Alexa 的性能，換句話說，知道如何在周圍環境發出的無數噪音中選擇命令。為此，我們假設揚聲器透過說出一些特定的喚醒詞（通常是「Alexa」）來啟動支援 Alexa 的設備，而這是虛擬助理必須在混亂的外部聲音中隔離和識別的關鍵短語環境。基本上，我們的技術將有助於快速「捕獲」可能是喚醒詞的聲音（通常基於語調或音素的​​相似性）並將其與喚醒詞進行比較。準確識別句子的標準。然後，元素與標準喚醒詞最匹配的句子將被 Alexa 理解為命令，而其他句子將被視為背景噪音。」負責該計畫的科學家團隊負責人 Xin Fan 說。人工智慧解釋道。

• 人工智慧 OpenAI 擊敗衛冕世界冠軍 Dota 2 戰隊

Xin Fan 和同事沒有訓練單獨的人工智慧系統來區分背景噪音和喚醒詞，而是將他們的單字匹配機制與基於智慧的語音辨識模型結合。科學家按順序測試了解碼器人工智慧架構的兩種變體，即使用處理輸入資料（音訊訊號的毫秒長快照）的架構來產生相應的輸出序列（聲音的音素渲染），以及與大多數傳統的編碼器-解碼技術一樣，編碼元件將輸入資料匯總為固定長度的向量（一串數字）並將其轉換為輸出資料。同時，一種特殊的注意力機制，「訓練」來偵測周圍環境中一個或多個語音串中喚醒詞的一些基本特徵，將負責「引導」該集合，解碼更關注向量中的這些特徵。

• 歐盟：人工智慧系統應以透明和負責任的方式建構和部署

在一項實驗中，研究人員訓練他們的一個人工智慧模型，使其更加重視單字發音識別，首先添加一個組件，直接將單字的聲音與各種發音進行比較，然後使用所得數據作為另一個單獨的輸入已被訓練來壓縮編碼向量位的組件。結果很有趣，該模型將錯誤率從 15% 降低到了 13%。