为什么大多数智能助手很少提供(如果有的话)自定义唤醒词?


14

大多数智能助手品牌,例如Amazon Echo和Google Home,在自定义唤醒词(您用来唤醒设备以使其听到您的用语)的定制方式方面提供的很少。

例如,Alexa仅提供三个选择,而Google Home仅支持“确定Google”。许多用户似乎对自定义唤醒词的概念感兴趣,但是没有一个主要品牌增加了支持。

是否有任何技术原因限制唤醒词的自定义,或者仅仅是品牌选择?

我已经读过Google使用'OK Google'的动机,这表明品牌构想可能是正确的,但似乎唤醒词识别也不是很准确,这可能出于技术原因。谁能弄清楚主要原因是什么?


2
要记住的一件事是,要唤醒的处理必须在低功耗,始终在线的域中完成-在某些较大的SoC(尤其是电话中使用的SoC)中,通常有专门的硬件可用于此任务,我假设滤波器系数/其他参数是经过仔细计算并加载到该硬件中的。我忘了运行哪个SoC Echo,但我想这里有一个类似的过滤器。算法类的名称此刻正在向我逃避
Krunal Desai

Answers:


12

是的,有几个原因。

这篇博客文章解释了有关回声和唤醒词Alexa的内容。我总结了一下。

唤醒词识别是在本地实时进行的。由于明显的处理限制,这限制了唤醒字的长度。此外,用户不想背诵一首诗来激活智能助手。因此,它必须简短。

当被调用时,它必须以几乎100%的精度工作,并且在不被调用时,也不能确定地识别它。这会带来问题,还会使唤醒字的长度最小化。亚马逊允许Echo的选择非常令人惊讶,因为它只有两个音节

如果我们看一下通常的嫌疑犯,我们有Alexa(3个音节),Amazon(3),Echo(2),Ok Google(4),Hey Cortana(4)Hey Siri(3)。所有的行业巨头几乎一致的三个音节是一个不错的选择号码。

奇怪的是,最想要的唤醒词“计算机”也有三个音节,可以轻松地满足该要求。它也没有商标。

当博客(以及推理)告诉我们时,我们完全希望避免误报。让我们看一下计算机,Siri,Cortana和Alexa这两个词的建立方式。这是2008年以来的Google图书资料集。

NGRAM电脑一枝独秀Alexa和siri的

确实,Siri和Alexa实际上在对抗计算机,Cortana给出了错误。未找到。有道理的,因为阴茎是从2008年开始给大家带来了更多的角度来看,为什么计算机是一个可怕的词唤醒另一个图形。

计算机与其他单词的ngram

此Ngram显示了2016年美国两个最受欢迎的婴儿名字(货币),以及Tom和Dave也对计算机持平。女王,篮球和警察设法正确注册。无论如何,这使我们有了一个主意,为什么到目前为止尚未允许Computer,Earl Grey,Hot。人们过于频繁地使用计算机一词。

关于误报的另一件事。与几乎没有一个Alexa的儿歌会说。

与Alexa押韵的19件事

电脑押韵有74样东西。


1
...并且这解释了Scotty为什么没有唤醒计算机的原因
加纳玛

2
“我要和一只鸟做爱……不,你不是Alexa!”
大卫说莫妮卡(

1
“OK谷歌”是四个音节(“哦凯咕鸥”),而不是三个,和很多比许多音素。
蒙蒂·哈德

1
Alexa是一个令人生畏的名字...我个人认识两个有这个名字的人,其中一个是堂兄。回声在我的语言中是按原样使用的,当电话或其他东西出现回声时,我经常说“有回声”。亚马逊是河流/老部落的名字,像我这样的角色扮演者经常说。他们真的搞砸了。
奥利维尔·格雷戈尔

2
我不确定我会解释为什么“计算机”一词不起作用的解释。这个词本身并不是唯一被识别的东西。作为发声的第一个单词并紧接着停顿也是识别命令单词的重要信息。
凯文·克鲁姆维德

2

是否有任何技术原因限制唤醒词的自定义

当辅助装置在不使用时,应用处理器(我认为ARM在Alexa的情况下,以及谷歌首页)暂停,并采取尽可能低的功耗状态。唤醒词检测留给非常省电的DSP,DSP会监听环境噪声/声音并运行算法来确定是否与唤醒词匹配。如果找到具有足够置信度的匹配,DSP就会唤醒ARM内核以继续进行其余的处理。

现在,由于目标是提高功率效率,所讨论的DSP可以运行算法,并将模板模式存储在片上存储器中,而不是在主板上的主RAM中。这使系统甚至可以将DDR RAM置于最低功耗状态。

由于DSP需要完成许多关键任务,而片上存储器却很少,因此,辅助唤醒字仅限于少数几个可以由算法以高置信度匹配的最佳选择。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.