门户
图库
科技
数据
VR
区块链
学院
论坛
百科
导航
登录
注册
帮助
公社首页
中国人工智能社区
公社版块
公社群组
Group
升级会员
用户名
Email
自动登录
找回密码
密码
登录
立即注册
登录后你可以:
登录
首次使用?
点我去注册
搜索
搜索
本版
帖子
公社群组
用户
道具
勋章
任务
设置
我的收藏
退出
首页
›
智能技术
›
语音识别
›
准确率提高9.5%!亚马逊Alexa推出新语音识别系统 ...
返回列表
准确率提高9.5%!亚马逊Alexa推出新语音识别系统
[复制链接]
ywevej
2022-6-12 12:42:15
显示全部楼层
|
阅读模式
智东西(公众号:zhidxcom)编 | 刘阳
导语:亚马逊Alexa部门的研究人员开发了2-mic语音识别系统,相较于传统的7-mic系统,该方法将语音识别准确率提高了9.5%。
在语音识别方面,两个麦克风比一个麦克风更好,这是一个公认的事实。直观的说,这是有一定道理的:声波到达多个麦克风的时间延迟不同,这可以用来提高来自某个方向的信号的强度,同时减少来自其他方向信号的干扰。传统上,语音增强(将语音从噪声中分离出来)的问题一直是独立于语音识别来解决的,但是相关实验结果表明,这种方法所取得的效果并不太好。最近,亚马逊研究人员对此提出了自己的解决办法。
亚马逊Alexa部门的研究人员认为,他们已经开发出一种新的声学建模框架,通过统一语音增强和语音识别来提高性能。在实验中,当应用2-mic系统时,他们声称他们的模型比使用传统的7-mic系统提高了9.5%的语音识别准确率。
他们在两篇论文中描述了自己的工作成果,“频域多通道声学模型用于远程语音识别”和“多几何空间声学模型用于远程语音识别”,这两篇论文将于下月在布莱顿举行的第44届ICASSP国际声学、语音与信号处理会议上发表。
研究人员在论文中描述了一种多麦克风系统方法,它取代了独立的手工编码算法,这些算法确定波束形成器(在传感器输出上工作的空间滤波器,以增强波的幅度)的方向,并用单个神经网络识别语音信号。亚马逊目前的Echo音箱可以动态调整波束形成器,以适应新的声学环境。
Alexa语音组的语音科学家Kenichi Kumatani在一篇博客文章中解释道:“传统技术旨在将单个声束指向任意方向,但这是一种计算密集型的方法。” “有了Echo智能音箱,我们可以将多个声束指向不同的方向,并识别出产生最清晰语音信号的那一个……这就是为什么即使电视在几码外发出刺耳的声音,Alexa依然可以理解你对要求播报天气预报的指令。”
单个神经网络和传统模型都将波束形成器的输出以对数滤波器组能量的形式传递给特征提取器,或者以多个不规则频带的信号能量快照的形式传递给特征提取器。在传统的模型中,它们对背景噪声进行标准化估算,提取器的输出被传递给一个人工智能系统,该系统计算出不同“电话”(即语音信息的短单位)对应的特征的概率。
论文的作者表示,如果模型的每个组件(例如,特征提取器和波束形成器优化器)分别初始化,性能就会提高。他们同时补充到,不同的训练数据使模型能够跨设备处理各种类型和配置的麦克风。Kumatani说:“这意味着新设备的ASR(自动语音识别技术)系统,或者使用范围不太广泛的设备,都可以从更广泛使用的设备产生的交互数据中受益。”
原文来自:VentureBeat
本帖子中包含更多资源
您需要
登录
才可以下载或查看,没有帐号?
立即注册
x
pre workout
回复
使用道具
举报
大神点评
3
hywjp
2022-6-12 12:42:54
显示全部楼层
9.5%的确不少,不知道怎么评价出来的
回复
使用道具
举报
金陵笑笑生
2022-6-12 12:43:16
显示全部楼层
转发了
回复
使用道具
举报
禾禾禾禾
2022-6-15 11:37:44
来自手机
显示全部楼层
没写完吧,等楼主更新哦~
回复
使用道具
举报
发表新帖
回复
高级模式
B
Color
Image
Link
Quote
Code
Smilies
本版积分规则
发表回复
回帖后跳转到最后一页
ywevej
注册会员
0
关注
0
粉丝
10
帖子
Ta的主页
发布
加好友
最近发表
机器人
超700台机器人在这里造车 穿越机视角一览超级工厂
通用机器人的梦想,大模型能否一臂之力?
不是针对谁!中国在册无人机126万架,这还是解放军看不上的!
5000元档最强无人机?大疆Mini 4 Pro曝光:配置更强了
向全球宣布,中国测试高超无人机,技术领先美国,能跨大洋扔核弹
公社版块
版块推荐
更多版块
智能穿戴
智能家居
机器人
无人驾驶
无人机
反馈吐槽
闲聊灌水
大话智能
大数据
图像识别
自然语言
数据挖掘
大话智能
数据挖掘
北大讲座
清华讲座
网贷观察
股市评论
区块链
闲聊灌水
反馈吐槽
站务通知
关注我们