Alexa are acum un „mod șoaptă” și este mult mai complex decât ați crede
În timpul scăderii colosale de noi produse și funcții de săptămâna trecută, Amazon a anunțat un nou mod de șoaptă pentru asistentul său personal Alexa. Funcția este centrată în jurul ideii că există momente ale zilei în care sunteți liniștiți în mod natural, cum ar fi dimineața devreme când partenerul dvs. poate dormi sau seara când copiii sunt adormit.
Cu toate acestea, atunci când alții surprind unele z, este posibil să doriți totuși să solicitați Alexa o actualizare a navetei sau să setați o alarmă pentru dimineață, fără a trezi colegii de familie. Deci, acum, dacă îți șoptești comanda către Alexa, ea îți va șopti înapoi în natură.
O săptămână mai târziu, Amazon este explicarea modului în care funcționează funcția, și este mult mai complex decât pare. Omul de știință Amazon Zeynab Raeesy spune că vorbirea șoptită este de obicei cu energie redusă și fără voce, ceea ce înseamnă că îi lipsește vibrația în corzile vocale. Acest lucru face mult mai dificil pentru un dispozitiv de ascultare ca un Amazon Echo să preia sunetele în mod eficient.
Legate de: Ce Amazon Echo ar trebui să cumpărați
Raeesy spune că Amazon a comparat performanța a două rețele neuronale diferite pentru a distinge între cuvintele rostite în mod normal și cele șoptite. Au descoperit că o rețea de memorie pe termen scurt (LSTM) funcționează mai bine decât rețeaua perceptron multilayer (MLP)
Ea a scris: „Modelele sunt instruite pe două categorii de caracteristici. Una dintre acestea este energia filtru-bancă de jurnal, o reprezentare destul de directă a semnalului de vorbire care înregistrează energiile semnalului în diferite game de frecvență. Cealaltă este un set de caracteristici special concepute pentru a exploata diferențele de semnal dintre vorbirea șoptită și cea normală.
„Am constatat că o rețea LSTM care nu folosește funcții artizanale funcționează la fel de bine ca o MLP care o face, indicând faptul că LSTM-urile sunt capabile să învețe care sunt atributele de semnal cele mai utile pentru șoaptă detectare."
Raeesy a adăugat că au existat avertismente la această abordare, și anume că cu cât mai multe date la care a fost expusă rețeaua LSTM, cu atât mai puține îmbunătățiri au fost oferite caracteristicile artizanale. Deci, modelul care se află acum în Alexa nu include deloc funcțiile artizanale.
Alte probleme pe care echipa a trebuit să le depășească a inclus procesul de „finalizare”. De obicei, Alexa este capabil să detecteze sfârșitul unei comenzi din cauza perioadei de tăcere de la sfârșit. Acest lucru devine mai problematic cu șoaptele, iar capacitatea rețelei LSTM a fost mai puțin eficientă spre sfârșitul enunțurilor.
Ea a spus: „În mod neașteptat, medierea întregului semnal - inclusiv ultimele 50 de cadre supărătoare - a dat cele mai bune rezultate. Bănuim, totuși, că asta se datorează probelor de vorbire șoptită pe care le-am folosit în experimentele noastre segmentate manual, în timp ce mostrele de vorbire normală au fost segmentate automat, folosind producția lui Alexa indicatorul final.
„Ar putea exista o diferență consistentă între segmentarea manuală și automată a sistemului de fapt exploatarea pentru a distinge cele două tipuri de intrare și eliminarea ultimelor 50 de cadre a făcut ca diferența să fie mai dificilă detecta."
Credeți că modul de șoaptă este un plus util pentru abilitățile Alexa? Trimite-ne o linie @TrustedReviews pe Twitter.