聲音的力量：對話(huà)谷歌語(yǔ)音技術(shù)負責人
2011/02/17
北京時(shí)間2月16日消息，據國外媒體報道，知名科技博客TechCrunch作者賈森·金凱德（Jason Kincaid）發(fā)表文章，講述了他與谷歌語(yǔ)音技術(shù)負責人邁克·科恩（Mike Cohen）最近進(jìn)行的一次談話(huà)，內容涉及谷歌大力投入語(yǔ)音技術(shù)的原因及發(fā)展前景。
谷歌語(yǔ)音技術(shù)負責人邁克·科恩（Mike Cohen）
以下為全文摘要：
盡管智能手機應用程序花樣翻新，層出不窮，但是如果你拿出手機，說(shuō)一聲“尋找到科技館的道路”，谷歌就會(huì )立即照做的話(huà)，你仍然會(huì )感到這個(gè)情景有點(diǎn)不太尋常。語(yǔ)音技術(shù)通過(guò)iPhone應用程序，以及與Android的深度整合，正在變得日益普遍，而這實(shí)際上僅僅是一個(gè)開(kāi)始。
回顧過(guò)去
在討論現在的狀況之前，我們先來(lái)回顧一下科恩過(guò)去的經(jīng)歷，也可以說(shuō)這是在回顧語(yǔ)音技術(shù)的歷史，因為雖然科恩從2004年開(kāi)始一直在谷歌工作，但他自80年代初在斯坦福研究院做研究時(shí)起，就站在語(yǔ)音和技術(shù)的交匯之處，至今已經(jīng)幾十年了。
科恩說(shuō)，在20世紀70年代語(yǔ)音工作有兩大陣營(yíng)：語(yǔ)言學(xué)家和工程師。語(yǔ)言學(xué)家強調規則——他們會(huì )找出語(yǔ)法和發(fā)音上的各種趨勢，以及每一個(gè)音素如何與其他音素互動(dòng)。工程師們則采用了不同的方法：他們的目標不是試圖以人工方式精心確定每個(gè)規則，而是構建復雜的統計模型，當有更多的語(yǔ)音數據輸入到這些模型中時(shí)，它們就會(huì )得以改進(jìn)。
到了70年代末和80年代初，當科恩開(kāi)始在斯坦福研究院做研究時(shí)，工程師們正處于領(lǐng)先位置，但是存在著(zhù)這樣一個(gè)問(wèn)題：統計模型的改進(jìn)已經(jīng)開(kāi)始形成漸近線(xiàn)。科恩解釋說(shuō)，因為這些模型總是相同的，向它們輸入更多的數據終究會(huì )出現報酬遞減（例如他們的模型不善于識別發(fā)音在多大程度上取決于哪些詞被說(shuō)出，又在多大程度上取決于上下文是什么）。工程師們需要找到一種方式來(lái)建立更好的模型，所以他們終于開(kāi)始與語(yǔ)言學(xué)家們合作，造就了另一波研究熱潮。
到90年代初，語(yǔ)音技術(shù)已經(jīng)獲得了長(cháng)足的發(fā)展，研究人員創(chuàng )建了航空旅游信息系統（ATIS，Air Travel Information System，用戶(hù)可以走到一個(gè)終端，說(shuō)“告訴我從波士頓出發(fā)的航班”，計算機就會(huì )顯示相關(guān)數據。該系統可以識別這些命令無(wú)數種的變化，因此你不必記住某些關(guān)鍵字）。在Windows 95面市時(shí)就有了ATIS這樣的系統，這讓人覺(jué)得有些不可思議。
在A(yíng)TIS獲得成功的基礎上，科恩認為這項技術(shù)已經(jīng)做好了商業(yè)應用的準備，所以他和三個(gè)聯(lián)合創(chuàng )始人創(chuàng )辦了Nuance公司，為需要處理大量呼入電話(huà)的大公司建立自動(dòng)電話(huà)系統（電話(huà)公司的客戶(hù)服務(wù)系統就是一個(gè)例子）。
科恩繼續尋找改善Nuance語(yǔ)音識別軟件的方法（鑒于他曾是一位研究者，這也就不足為奇了）。而且事實(shí)證明，海量的呼入錄音比他在斯坦福研究院做研究時(shí)獲得的數據更加有用，因為有些東西無(wú)法在實(shí)驗室環(huán)境中重現，比如背景中的狗叫聲，孩子的哭聲等等，而這些聲音會(huì )出現在呼入的電話(huà)中，所以Nuance面臨著(zhù)語(yǔ)音分析的重大新挑戰。
但這里有一個(gè)很大的問(wèn)題：盡管Nuance的技術(shù)正在處理大量數據，Nuance公司還是必須向它的每個(gè)企業(yè)客戶(hù)提出請求，以便獲得這些數據用于研究目的。這樣做對企業(yè)有好處，因為它們能從技術(shù)改進(jìn)中獲益，但一些企業(yè)仍然對此持謹慎態(tài)度。這最終導致科恩進(jìn)入了谷歌。
GOOG-411項目
在2004年前，谷歌基本上沒(méi)有語(yǔ)音技術(shù)，但是科恩看到了機會(huì )。即使在那個(gè)時(shí)候，手機將對未來(lái)技術(shù)產(chǎn)生巨大影響的跡象就很明顯。而且，由于谷歌直接面對最終用戶(hù)，它收到的任何語(yǔ)音數據都可以方便地用于研究目的。于是科恩進(jìn)入谷歌，著(zhù)手開(kāi)展GOOG-411項目，后來(lái)它成為谷歌的免費411語(yǔ)音服務(wù)。
這項服務(wù)在2007年推出，它提供了一個(gè)簡(jiǎn)單方便的功能集：你給它打電話(huà)詢(xún)問(wèn)一些基本信息，比如一個(gè)企業(yè)的電話(huà)號碼，它就會(huì )馬上為你提供相關(guān)信息，而且是免費的。科恩說(shuō)，推出GOOG-411的主要原因就是“它有用”，但它還有一個(gè)重要的副作用：谷歌從此開(kāi)始建立一個(gè)龐大的語(yǔ)音數據庫。還記得前面討論過(guò)的數據模型嗎？谷歌語(yǔ)音系統在概念上與之類(lèi)似，但是規模大得多。
GOOG-411項目在十月份取消了，但這時(shí)谷歌已經(jīng)有了更多的語(yǔ)音數據輸入方式，包括在A(yíng)ndroid上到處可見(jiàn)的麥克風(fēng)按鈕，以及Google Mobile的iPhone應用程序。而且谷歌可以查看基于文本的搜索查詢(xún)詞條，確定一個(gè)詞后面出現得最頻繁的是哪個(gè)詞。這一切都意味著(zhù)谷歌可以相對較快地改進(jìn)其語(yǔ)言模型。
科恩說(shuō)，如今谷歌使用2300億個(gè)搜索查詢(xún)詞條來(lái)“培訓”其語(yǔ)音識別功能所使用的語(yǔ)言模型。為了形象地說(shuō)明數據量有多大，科恩說(shuō)，如果只用一個(gè)CPU，這個(gè)“培訓”需要70年時(shí)間才能完成。
這項技術(shù)現在已經(jīng)用在谷歌的多種產(chǎn)品中。YouTube自動(dòng)為數百萬(wàn)視頻添加了字幕。谷歌語(yǔ)音服務(wù)嘗試將呼入的語(yǔ)音郵件轉錄成文字（產(chǎn)生了一些非常滑稽的結果）。語(yǔ)音搜索將在移動(dòng)設備上發(fā)揮更大的作用，所以，如果在不太遙遠的將來(lái)，你看到配有媒體中心的車(chē)輛在運行Android，請不要感到驚訝，它們肯定帶有語(yǔ)音功能。
科恩很高興地談起谷歌在聲音技術(shù)上做出的努力，但他沒(méi)有透露統計數據，即將發(fā)布的功能，也沒(méi)有做出預測。科恩承認，谷歌語(yǔ)音搜索的量波動(dòng)很大，取決于是否有新的帶有語(yǔ)音功能的服務(wù)推出，以及是否報刊最近進(jìn)行了報道。
當我問(wèn)他，多久之后語(yǔ)音搜索將變得非常準確，以至于我們可以將它視為理所當然（指不需要再檢查文字的拼寫(xiě)錯誤），雖然他說(shuō)了類(lèi)似于“五年”這樣話(huà)（對于研究工作而言，這相當于是說(shuō)“我不知道”），但他不愿意談及具體計劃。
我也問(wèn)過(guò)他，對蘋(píng)果在語(yǔ)音技術(shù)方面采取的行動(dòng)有什么想法（蘋(píng)果去年收購了以語(yǔ)音搜索技術(shù)為主的公司Siri，很明顯蘋(píng)果想把將語(yǔ)音技術(shù)納入到iOS中），科恩同樣也沒(méi)有這個(gè)問(wèn)題上說(shuō)多少（雖然這并不令人感到驚訝）。他只是說(shuō)，谷歌已經(jīng)推出了一個(gè)產(chǎn)品，因此擁有數據量大的天然優(yōu)勢，但這個(gè)問(wèn)題的答案最終將歸結于蘋(píng)果開(kāi)發(fā)了什么產(chǎn)品以及它與誰(shuí)合作。
不過(guò)，雖然科恩沒(méi)有談及具體細節，他卻講到了谷歌語(yǔ)音技術(shù)的長(cháng)遠目標：讓語(yǔ)音輸入變得無(wú)處不在。 “就像你可以在很多地方用鍵盤(pán)輸入文本，你也應該可以在很多地方使用語(yǔ)音輸入。”而準確性是其中的一個(gè)要點(diǎn) “它需要極為‘接近完美’，人們選擇使用語(yǔ)音輸入不在于它的表現，而在于最終用戶(hù)的喜好。”
騰訊科技
相關(guān)閱讀:
亚洲精品网站在线观看不卡无广告,国产a不卡片精品免费观看,欧美亚洲一区二区三区在线,国产一区二区三区日韩
云南省|
贵定县|
工布江达县|
禹州市|
开阳县|
开江县|
德惠市|
读书|
长治市|
娄烦县|
肇庆市|
晋州市|
益阳市|
乌拉特后旗|
富源县|
宁城县|
兰溪市|
铜陵市|
增城市|
白朗县|
昌吉市|
乌海市|
晋州市|
吉木乃县|
镇江市|
东山县|
龙岩市|
牙克石市|
张家港市|
逊克县|
阿图什市|
县级市|
岗巴县|
赤壁市|
惠来县|
东乌珠穆沁旗|
安国市|
织金县|
瑞金市|
井陉县|
平阴县|
http://444
http://444
http://444
http://444
http://444
http://444