谷歌全新離線語音識別模型更小，功耗更低！
語音識別是Siri、Alexa和Google等智能手機(jī)的重要組成部分，但這些語音識別系統(tǒng)有一個很大的缺點(diǎn)，那就是會有相應(yīng)的延遲，用戶必須等待Siri或其他虛擬助手來響應(yīng)查詢，而且如果語速過快就有極大可能造成誤解。
有延遲出現(xiàn)是因?yàn)橛脩舻恼Z音以及從中獲取的數(shù)據(jù)必須從要手機(jī)傳輸?shù)椒⻊?wù)器，在那里進(jìn)行分析后再發(fā)回。這可能需要從幾毫秒到幾秒的時間，如果數(shù)據(jù)包在過程中不小心失，則需要更長時間。
為什么不能直接在設(shè)備上進(jìn)行語音識別呢？因?yàn)閷⒄Z音轉(zhuǎn)換成毫秒級的文本需要相當(dāng)大的計算能力，這不僅僅是聽一段聲音和寫一個單詞，而是逐字逐句地理解一個人在說什么以及涉及到意圖和整個語境。
當(dāng)然，手機(jī)其實(shí)是可以做到這一點(diǎn)的，但這并不會比把手機(jī)上的內(nèi)容發(fā)送到云端快多少，而且會大量耗電。但隨著該領(lǐng)域的穩(wěn)步發(fā)展，這一目標(biāo)似乎已成為可能，谷歌就使得這一功能在Pixel上得到實(shí)現(xiàn)。
為實(shí)現(xiàn)這一轉(zhuǎn)變，Google團(tuán)隊(duì)花了五年時間研究問題并簡化用于語音識別的AI系統(tǒng)。例如，舊版Gboard的聽寫軟件由三個獨(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文字輸出，更新后的版本將所有這些工作集合到一個步驟中。
新模型還縮小了系統(tǒng)中被稱為“解碼器圖形”的部分，這個組件的功能類似于書中的索引，將音頻波形與書面文字相匹配。在Gboard的聽寫模型的舊版本中，這個解碼器圖形大小為2GB，對于設(shè)備上處理來說太大了。相比之下，新版本僅為80兆字節(jié)，縮小了25倍。
你只需要說出你的查詢，它會立刻被轉(zhuǎn)錄下來，并直接顯示。它聽到了你的聲音后會立刻響應(yīng)，而不用等到你完成整個句子再去揣測你的意思。
但目前它只在谷歌鍵盤應(yīng)用程序Gboard中工作，只在Pixel上工作，而且它只適用于美式英語。
“考慮到行業(yè)趨勢，隨著專業(yè)硬件和算法改進(jìn)的融合，我們希望這里介紹的技術(shù)可以很快用于更多語言和更廣泛的應(yīng)用領(lǐng)域�！惫雀鑼懙�。
分享
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
推薦專題
- 1 UALink規(guī)范發(fā)布：挑戰(zhàn)英偉達(dá)AI統(tǒng)治的開始
- 2 北電數(shù)智主辦酒仙橋論壇，探索AI產(chǎn)業(yè)發(fā)展新路徑
- 3 降薪、加班、裁員三重暴擊，“AI四小龍”已折戟兩家
- 4 “AI寒武紀(jì)”爆發(fā)至今，五類新物種登上歷史舞臺
- 5 國產(chǎn)智駕迎戰(zhàn)特斯拉FSD，AI含量差幾何？
- 6 光計算迎來商業(yè)化突破，但落地仍需時間
- 7 東陽光：2024年扭虧、一季度凈利大增，液冷疊加具身智能打開成長空間
- 8 地平線自動駕駛方案解讀
- 9 封殺AI“照騙”，“淘寶們”終于不忍了？
- 10 優(yōu)必選：營收大增主靠小件，虧損繼續(xù)又逢關(guān)稅，能否乘機(jī)器人東風(fēng)翻身？
