有懂这方面大佬给科普下吗
这难在哪???
CURD 码农表示不就是把激活的判断条件改一下吗 😂😂😂
1
god7d 2022-11-10 11:29:48 +08:00
很显然不是啊,虽然我也不懂,但是你想一下条件越多肯定是越准确的,2 个变成一个会让难度有一个量级的提升吧
|
2
huangqihong 2022-11-10 11:31:13 +08:00 1
你这让我想起昨天和同学打电话,应该是说 crv ,平板的 siri 开启了。。。。。我一脸懵逼
|
3
mxT52CRuqR6o5 2022-11-10 11:33:38 +08:00 6
你改短了之后,排除假阳 case 会更困难,就比如如何保证在说 seriously 的时候不触发 siri (说的快的时候中间的那个『儿』音就不一定能很清楚的发音出来,就会比较接近 siri )
|
4
ospider 2022-11-10 11:39:28 +08:00 1
「 Hey, Siri!」唤醒只需要判断是否说了两个词,而「 Siri!」需要判定是否是在唤醒 Siri ,还是提到了 Siri 。
举个例子,小爱同学就没有判断「小爱同学」这四个字是否在唤醒她,所以在句中提到她的时候就会唤醒,相信有小爱音箱的都有经历。苹果要做到的应该是说话中间提到 Siri 不会唤醒 Siri ,只有目的是唤醒 Siri 才会唤醒。 |
5
deanguqiang 2022-11-10 11:40:39 +08:00 7
Siri 的时间太短了。一般来为了做到很低的功耗,VAD 会做成多级唤醒:先检测有没有声音 -> 检测有没有人声 -> 检查是不是设定的唤醒词。有可能到达唤醒词这一阶段,HEY 已经丢掉或者不完整了。假如唤醒词只有 SIRI 那么成功率将大大降低。
大部分的唤醒词都是有一定持续时间、多个音节的,比如 HEY SIRI 、小度小度、小爱同学、天猫精灵,是有原因的。 |
6
janus77 2022-11-10 11:40:47 +08:00
我的想法是 hey 这个词一般人不常说(只有在刚见面的时候会说一下,正常对话中完全不会说),所以 hey 这个词很适合被用来做标记词(日常说的频率少,发音也简单,和其发音相似的词也挺少,尤其是在一句话开头的时候)
标记词用于唤起,可以同时保证唤起的成功率和低误伤率 而现在标记词改成了 siri ,这些优点几乎全部没有了 |
7
docx 2022-11-10 11:56:05 +08:00 via iPhone
误触发概率会变大吧
|
8
newaccount 2022-11-10 12:43:19 +08:00
有没有可能 hey 这个发音在声音的波形上是一个很明显的尖峰...
|
9
HeyWeGo 2022-11-10 12:46:14 +08:00
给 siri 换个名字吧,比如说:pineapple
|
10
gdfsjunjun 2022-11-10 12:58:23 +08:00
嘿 Siri 就三个字,长度足够了,就 Siri 我都怕误触,比如看视频有人介绍 Siri 怎样的时候,老是误触,嘿 Siri 就不会出现这样的问题,平时说话不太可能触发。
反而小爱同学四个字过长,而且看视频总是触发,特别烦 |
12
ShinomiyaKaguya 2022-11-10 13:08:55 +08:00 via iPhone
最新测试版系统,已经不用喊 hey 了,直接 siri 就能唤醒
|
13
bthulu 2022-11-10 13:13:18 +08:00 1
@gdfsjunjun 怎么可能会误触发. 已唤醒 siri 的情况下不重复唤醒不久解决了
|
14
marcong95 2022-11-10 13:38:26 +08:00
楼上讨论 Hey 这个词本身的,友情提示一下,如果把 Siri 语言设置成粤语,唤醒词是「喂,Siri 」。所以 Hey 这个词的特征应该不是作为唤醒词的原因。
|
15
Vtwoguest 2022-11-10 15:56:52 +08:00
口令越短越难判定 最重要的是 Hey 不是 Hey 的这个词多特殊 而是我们日常交流很少说 Hey 误判几率很小
|
16
cy1027 2022-11-10 16:16:17 +08:00
语音识别已经很成熟了,但是为什么还没有什么像样的语义识别,区别就在这里
|
17
gdfsjunjun 2022-11-10 16:17:20 +08:00
不符合习惯,当你提到某个人的名字并不代表你在叫他。
比如,说一声嘿,小爱。这就很明确你在叫他。 但是,当你对某个人评价的时候,你虽然提到了名字,但并不是在叫他,甚至他不在场也行。 比如,你讨论小爱同学人品怎样怎样,你根本就没在叫他这个人好吧,但是音箱就是回应了 |
18
anonymous2351d00 2022-11-10 16:21:16 +08:00 4
改成 system call 吧
|
19
okakuyang 2022-11-10 18:18:40 +08:00
苹果都是用神经网络去做识别的。缩短了词,输入就少了很多信息。重新找一批实验者录音,训练模型,改进算法,检验效果。这一套流程要全部走一遍。
|
20
ghs55kai 2022-11-10 18:21:58 +08:00 via iPhone 1
你比印度阿三还懂
|
21
cyningxu 2022-11-10 18:26:24 +08:00
个人感觉这个应该和误唤醒相关。hey siri 音节多便于识别且日常生活中较少使用,但 siri 音节少识别较难,且相较 hey siri 而言使用频率会高很多。比如“我感觉 siri 挺智能的”,但较少人会说“我感觉 hey siri 挺智能的”。如果仅是将==右边由“hey siri”改为“siri”,没有其他方面的提升,那这个使用体验会大打折扣。感觉苹果应该是在这方面下了很大的功夫,用以保证至少在他们的测试流程里,“hey siri”和“siri”的误唤醒率差不多。以上为个人见解,若有误望轻拍。
|
23
ajyz 2022-11-10 18:38:30 +08:00 via iPhone
音节越短,容错越低
|
24
ThinkMan 2022-11-10 18:40:07 +08:00
之前在国内过 AI 语音行业。
当时我们中文推荐的是 3-5 个字,2 个字坚决拒绝(主要是误唤醒率非常高)。4 个字算是最佳,能平衡唤醒率、和误唤醒率,且“ABCD”好过“ABAB”、“AABB”等类型唤醒词。 当然手机上,除了做唤醒识别之外还会加声纹识别,以减少误唤醒。 |
25
nightwitch 2022-11-10 19:15:25 +08:00 via Android
在连续的数据里识别分析,难点不在于某个片段的识别准确率,难点在于从连续数据里找出片段的起始和结束。
|
26
Iamsonny 2022-11-10 19:21:47 +08:00
唤醒词越短,技术难度越高,误唤醒率太高了。
|
27
ixcode 2022-11-10 23:02:51 +08:00
只要还需要唤醒词,人工智障永远都是智障
|
28
AOK123 2022-11-10 23:21:12 +08:00
所以谷歌还是明智很多,直接叫 Alexa ,个人感觉误判率比 Hey Siri 都低。。。
|
29
HolliZod 2022-11-10 23:43:41 +08:00
没那么简单的,大多数公司都只能实现四个音节,苹果三个音节已经独步很久了
|
31
yaoyao1128 2022-11-11 07:45:35 +08:00 via iPhone
|
32
yytbob 2022-11-11 08:59:18 +08:00
别人提你名字的时候不一定是在叫你,也可能是在你别后谈论你。Hey Siri 可以排除这个情况。
|
33
abvatous 2022-11-11 09:47:57 +08:00
主要是为了防止被误唤醒吧
|
34
weizhen199 2022-11-11 10:36:44 +08:00 2
Siri 很明显是个昵称嘛,叫 Siri 全名就行
Speech Interpretation & Recognition Interface (逃 |
35
laqow 2022-11-11 11:30:27 +08:00
不外乎优化一下模型,就是懒得弄而已,以后编不下去了加个 if 就是个卖点
|
36
dreamkuo 2022-11-11 21:17:08 +08:00
苹果可以唤醒+内容同时执行, 别的要先唤醒进入监听状态,然后再说内容
|