Aleksai tagad ir "čukstēšanas režīms", un tas ir daudz sarežģītāk, nekā jūs domājat

Pagājušās nedēļas milzīgo jauno produktu un funkciju krituma laikā Amazon paziņoja par jaunu čuksta režīmu savam Alexa personālajam palīgam. Funkcija ir koncentrēta ap ideju, un ir dienas laiki, kad jūs esat dabiski kluss, piemēram agri no rīta, kad jūsu partneris vēl var gulēt, vai vakarā, kad bērni ir aizmigusi.

Tomēr, kad citi pieķer dažus z's, jūs joprojām varat lūgt Alexa atjaunināt informāciju par jūsu pārvietošanos vai iestatīt modinātāju rītam, nemodinot citus mājsaimniecības locekļus. Tātad, tagad, ja jūs čukstat savu komandu Aleksai, viņa atkal čukstēs natūrā.

Pēc nedēļas Amazon ir paskaidrojot, kā funkcija darbojas, un tas ir daudz sarežģītāk, nekā izklausās. Amazones zinātnieks Zeynabs Raeesy saka, ka čukstētā runa parasti ir ar zemu enerģijas patēriņu un bez balss, tas nozīmē, ka tai trūkst vibrācijas balss akordos. Tas ievērojami apgrūtina tādas klausīšanās ierīces kā Amazon Echo efektīvu skaņu uztveršanu.

Saistīts: Kuru Amazon Echo vajadzētu iegādāties

Rēzijs saka, ka Amazon salīdzināja divu dažādu neironu tīklu veiktspēju, lai nošķirtu normāli izrunātos vārdus no čukstētajiem. Viņi atklāja, ka ilgtermiņa īslaicīgas atmiņas (LSTM) tīkls darbojas labāk nekā daudzslāņu perceptron (MLP) tīkls

Viņa rakstīja: “Modeļi ir apmācīti divās kategorijās. Viens no tiem ir žurnāla filtru bankas enerģijas, diezgan tiešs runas signāla attēlojums, kas reģistrē signāla enerģijas dažādos frekvenču diapazonos. Otrs ir īpašību kopums, kas īpaši izstrādāts, lai izmantotu signālu atšķirības starp čukstēto un normālo runu.

"Mēs atklājām, ka LSTM tīkls, kas neizmanto roku darbus, darbojas tikpat labi kā MLP, norādot, ka LSTM spēj uzzināt, kuri signāla atribūti ir visnoderīgākie čukstēšanai noteikšana. ”

Raeesy piebilda, ka šai pieejai ir iebildumi, proti, jo vairāk datu tika pakļauti LSTM tīklam, jo ​​mazāk uzlabotu roku darbs. Tātad modelis, kas tagad atrodas Alexa, vispār neietver ar rokām darinātas funkcijas.

Citas problēmas, kas komandai bija jāpārvar, bija “gala norādīšanas” process. Parasti Alexa spēj noteikt komandas beigas klusuma perioda dēļ beigās. Ar čukstēšanu tas kļūst problemātiskāk, un LSTM tīkla iespējas uz izrunu beigām bija mazāk efektīvas.

Viņa sacīja: "Negaidīti visu signālu vidējā vērtība, ieskaitot traucējošos pēdējos 50 kadrus, deva vislabākos rezultātus. Tomēr mums ir aizdomas, ka tas ir tāpēc, ka čukstētās runas paraugi, kurus mēs izmantojām savos eksperimentos manuāli segmentēti, savukārt normālas runas paraugi tika automātiski segmentēti, izmantojot Alexa produkciju gala rādītājs.

“Starp manuālo un automātisko segmentēšanu varētu būt kaut kāda konsekventa atšķirība, kāda patiesībā bija sistēmā izmantošana, lai atšķirtu divus ievades veidus, un pēdējo 50 kadru nomešana padarīja šo atšķirību grūtāku atklāt. ”

Vai jūs domājat, ka čuksta režīms ir noderīgs papildinājums Alexa prasmju komplektam? Nometiet mums līniju @TrustedReviews Twitter.