Apple 的 Siri 可以說(shuō)是最著名的語(yǔ)音助手之一，其中不必按按鈕便能向 Siri 下指令的「Hey Siri」功能也受到許多好評(píng)，近日在博客中，Siri 團(tuán)隊(duì)除了表示計(jì)劃運(yùn)用機(jī)器學(xué)習(xí)持續(xù)改進(jìn)這項(xiàng)功能，也解釋了 iOs 設(shè)備的 Hey Siri 功能的運(yùn)作方式，以及未來(lái)計(jì)劃持續(xù)改進(jìn)的目標(biāo)。

所謂的「Hey Siri」功能，就是讓使用者不必按按鈕、只需在語(yǔ)音指令前加上 Hey Siri，手機(jī)便會(huì)自動(dòng)啟動(dòng)并遵照指示行動(dòng)。

但 Apple 究竟是怎么做到的？博客文章指出，「Hey Siri」的進(jìn)化與解決了「關(guān)鍵片語(yǔ)檢測(cè)」（key-phrase detection）問題相關(guān)，同時(shí)運(yùn)用了 DNN 來(lái)進(jìn)行了早期建模工作，并使用了遞歸神經(jīng)網(wǎng)絡(luò)（RNN）來(lái)進(jìn)行多樣化的訓(xùn)練與學(xué)習(xí)。

Siri 團(tuán)隊(duì)解釋，之所以選擇以「Hey Siri」作為觸發(fā)語(yǔ)，是因?yàn)榧词乖谶@項(xiàng)功能推出以前，人們?cè)谶\(yùn)用按鈕呼喚 Siri 也會(huì)自然而然的在請(qǐng)求前加上這句話。這原先是一個(gè)方便用戶的簡(jiǎn)單決定，但早期的離線實(shí)驗(yàn)中，Hey Siri 的簡(jiǎn)潔和口語(yǔ)性卻為開發(fā)團(tuán)隊(duì)帶來(lái)額外的挑戰(zhàn)。

Siri 團(tuán)隊(duì)主要面臨的錯(cuò)誤辨識(shí)挑戰(zhàn)為三種，分別為當(dāng)用戶表達(dá)類似短句時(shí)、當(dāng)非用戶說(shuō)出 Hey Siri 時(shí)，以及最令 Siri 團(tuán)隊(duì)頭痛的當(dāng)非用戶說(shuō)出類似短句時(shí)。

為了讓 Siri 不被類似短句及非用戶誤導(dǎo)，團(tuán)隊(duì)先是將焦點(diǎn)由尋常語(yǔ)音辨識(shí)目標(biāo)的「說(shuō)話內(nèi)容」轉(zhuǎn)移至辨識(shí)「說(shuō)話者」的身份，利用說(shuō)話者辨識(shí)（speaker recognition, SR）并結(jié)合相關(guān)技術(shù)來(lái)增進(jìn)偵測(cè)關(guān)鍵短句的系統(tǒng)質(zhì)量。

以目前來(lái)說(shuō)，Apple 會(huì)要求首次使用的用戶以要求的 5 個(gè)短句來(lái)語(yǔ)音來(lái)完成說(shuō)話者辨識(shí)系統(tǒng)的注冊(cè)，但除了這種顯性注冊(cè)模式之外，團(tuán)隊(duì)也設(shè)計(jì)了另一種隱性模式（implicit enrollment）的辨識(shí)：透過(guò)紀(jì)錄用戶一段時(shí)間內(nèi)的語(yǔ)音，進(jìn)而提高對(duì)說(shuō)話者辨識(shí)的穩(wěn)健性。

當(dāng)然考量到個(gè)人隱私的因素，音頻將保留于設(shè)備上而并非云端，但這種設(shè)計(jì)目前仍有一些疑慮存在，如果早期紀(jì)錄的語(yǔ)音片段并非用戶本人，那么設(shè)備可能會(huì)錯(cuò)誤的拒絕用戶指令或錯(cuò)誤的接受非用戶的聲音，如此一來(lái)功能將變得毫無(wú)用處。

展望未來(lái)，除了像所有語(yǔ)音辨識(shí)系統(tǒng)一樣得想辦法克服環(huán)境噪音的問題，Siri 團(tuán)隊(duì)還希望未來(lái)用戶能不需經(jīng)過(guò)任何訓(xùn)練與注冊(cè)，在開始使用「Hey Siri」功能后透過(guò)用戶的許可，透過(guò)生活里的指令中便能將語(yǔ)音辨識(shí)資料的內(nèi)容持續(xù)增長(zhǎng)與更新。

雖然還不清楚這些改動(dòng)何時(shí)會(huì)推出，但 Apple 經(jīng)常會(huì)在每年 6 月全球者開發(fā)大會(huì)上談到 Siri 的重大改進(jìn)，相信在不久的未來(lái)我們很快就能聽到一些好消息。