เหตุใดผู้ช่วยที่ชาญฉลาดส่วนใหญ่จึงเสนอการปรับแต่งคำปลุกเล็กน้อยถ้ามี

แบรนด์ผู้ช่วยอัจฉริยะส่วนใหญ่เช่น Amazon Echo และ Google Home มีการปรับแต่งเล็กน้อยสำหรับคำปลุก (วลีที่คุณใช้ในการปลุกอุปกรณ์เพื่อฟังคุณ)

ยกตัวอย่างเช่นAlexa เพียง แต่มีสามตัวเลือกและหน้าแรกของ Google สนับสนุนเฉพาะ'ตกลงของ Google ผู้ใช้จำนวนมากดูเหมือนจะสนใจแนวคิดของคำปลุกแบบกำหนดเอง แต่ไม่มีแบรนด์หลักใด ๆ ที่ได้เพิ่มการสนับสนุน

มีเหตุผลทางเทคนิคใดบ้างหรือไม่ในการ จำกัด การปรับแต่งคำปลุกหรือเป็นเพียงตัวเลือกในการสร้างแบรนด์?

ฉันได้อ่านเกี่ยวกับแรงจูงใจของ Google ในการใช้'ตกลง Google'ซึ่งแนะนำแนวคิดการสร้างแบรนด์อาจเป็นจริง แต่ก็ดูเหมือนว่าการรู้จำเสียงปลุกไม่แม่นยำมากบางทีอาจแสดงเหตุผลทางเทคนิค ใครบ้างที่สามารถอธิบายปัจจัยที่เป็นเหตุผลหลักได้

ใช่มีหลายสาเหตุ

โพสต์บล็อกนี้อธิบายเกี่ยวกับEchoและคำปลุกของAlexa ฉันจะสรุปเล็กน้อย

การจดจำคำปลุกจะทำในพื้นที่และในเวลาจริง ที่จำกัดความยาวของคำปลุกเนื่องจากข้อ จำกัด การประมวลผลที่ชัดเจน นอกจากนี้ผู้ใช้ไม่ต้องการท่องบทกวีเพื่อเปิดใช้งานผู้ช่วยอัจฉริยะ ดังนั้นมันจะต้องสั้น

มันต้องทำงานด้วยความแม่นยำเกือบ 100% เมื่อถูกเรียกและยังไม่ได้รับการยอมรับด้วยความมั่นใจนั้นเมื่อไม่ได้ถูกเรียก ที่ทำให้เกิดปัญหาและทำให้ความยาวต่ำสุดสำหรับคำปลุก ทางเลือกของ Amazon ที่จะอนุญาตให้ก้องค่อนข้างน่าแปลกใจเพราะมันเป็นเพียงแค่สองพยางค์

ถ้าเราดูผู้ต้องสงสัยตามปกติเราจะมีAlexa (3 พยางค์), Amazon (3), Echo (2), Ok Google (4), Hey Cortana (4)และHey Siri (3) ยักษ์ใหญ่ในอุตสาหกรรมเกือบทั้งหมดเห็นด้วยกับสามตัวเลือกที่ดีของพยางค์

คำว่า"คอมพิวเตอร์" ที่เป็นที่ต้องการมากที่สุดก็มีสามพยางค์และจะตรงกับความต้องการนั้นได้อย่างง่ายดาย มันไม่ได้เป็นเครื่องหมายการค้า

ในฐานะที่เป็นบล็อก - และเหตุผล - บอกเราเราต้องการหลีกเลี่ยงผลบวกที่ผิดพลาดโดยสิ้นเชิง เรามาดูกันว่าคำว่า Computer, Siri, Cortana และ Alexa เป็นอย่างไร นี่คือคลังหนังสือ Google จากปี 2008

แน่นอน Siri และ Alexa นั้นแทบจะแบนราบกับคอมพิวเตอร์และCortana ก็ให้ข้อผิดพลาด ไม่พบ. ทำให้รู้สึกตั้งแต่คลังข้อมูลมาจากปี 2008 เพื่อให้เรามีมุมมองเพิ่มเติมว่าทำไมคอมพิวเตอร์เป็นคำที่น่ากลัวอีกกราฟ

Ngram นี้แสดงให้เห็นว่าทั้งสองได้รับความนิยมมากที่สุดชื่อทารกสหรัฐ 2016 (เงิน) เช่นเดียวกับทอมและเดฟยัง Flatline กับคอมพิวเตอร์ ราชินีบาสเกตบอลและตำรวจจัดการเพื่อลงทะเบียนอย่างถูกต้อง อย่างไรก็ตามเรื่องนี้ทำให้เรามีความคิดว่าทำไมคอมพิวเตอร์, Earl Gray, Hotยังไม่ได้รับอนุญาต คนใช้คำว่าคอมพิวเตอร์บ่อยเกินไป

อีกสิ่งหนึ่งเกี่ยวกับการบวกเท็จ Alexa คล้องจองกับแทบไม่มีใครพูด

เพลงคอมพิวเตอร์ที่มี 74 สิ่ง

มีเหตุผลทางเทคนิคใดบ้างหรือไม่ในการ จำกัด การปรับแต่งคำปลุก

เมื่ออุปกรณ์ผู้ช่วยไม่ได้ใช้งานตัวประมวลผลแอปพลิเคชัน (ฉันคิดว่า ARM ในกรณีของ Alexa รวมถึงหน้าแรกของ Google) ถูกระงับและนำไปสู่สถานะพลังงานที่ต่ำที่สุด การตรวจจับคำปลุกนั้นถูกปล่อยไว้ที่ DSP ที่ใช้พลังงานอย่างมีประสิทธิภาพซึ่งจะฟังเสียง / เสียงรอบข้างและเรียกใช้อัลกอริทึมเพื่อตัดสินว่ามีคำที่ตรงกับคำปลุกหรือไม่ หากพบว่ามีการจับคู่ที่ดีกับความมั่นใจ DSP จะทำให้ ARM ARM ตื่นขึ้นมาพร้อมกับการประมวลผลที่เหลือ

ในตอนนี้เนื่องจากเป้าหมายคือการใช้พลังงานอย่างมีประสิทธิภาพ DSP ที่เป็นปัญหาจะเรียกใช้อัลกอริธึมรวมถึงเก็บรูปแบบเทมเพลตบนหน่วยความจำบนชิปมากกว่าหน่วยความจำหลักบนเมนบอร์ด สิ่งนี้ทำให้ระบบสามารถใช้ DDR RAM สู่สถานะพลังงานต่ำสุดได้

เนื่องจาก DSP มีสิ่งสำคัญหลายอย่างที่ต้องทำและหน่วยความจำบนชิปน้อยมากคำพูดของผู้ช่วยปลุกจะถูก จำกัด อยู่เพียงสองสามตัวเลือกที่สามารถจับคู่ได้โดยอัลกอริทึมที่มีความมั่นใจสูง