谷歌公司开发出高速、离线语音识别技术

据科技资讯网站zdnet（www.zdnet.com）报道，谷歌开发出了可在未联网的Nexus 5智能手机上实时运行的语音识别系统。该系统无需通过远程数据中心进行运算，所以在没有可靠网络的情况下亦可通过智能手机、智能手表或其他内存有限的电子设备使用语音识别功能。

谷歌的科研人员表示，研发该系统的目的是创建在本地运行的轻量级、嵌入式、准确度高的语音识别系统。轻量级是指这套系统仅20.3MB，而在搭载2.26GHz CPU和2GB内存的Nexus 5上测试时，系统在开放式听写任务中的错误率仅为13.5%。

当然，就像谷歌近年来许多研究一样，这套系统也受到机器学习技术的支持——也就是“长短期记忆（LSTM）递归神经网络（RNN），使用链结式临时分类（CTC）和状态级最小贝叶斯风险（sMBR）技术进行训练”。为降低系统要求，研究人员为听写和语音命令这两个截然不同的语音识别领域开发了同一个模式。他们使用多种技术，将声学模型压缩为原版的十分之一大小。

研究人员表示，如果提出“发送电子邮件给Darnica Cumberland：我们可以改天吗？”这样的命令，离线内嵌式语音识别系统就可以即刻转录并于之后在后台执行。但准确的转录需要结合个人信息才能实现，例如联系人的姓名。研究人员表示，在模型中集成设备联系人列表即可解决这一问题。

为训练声学模型，研究人员从谷歌语音搜索流量中提取了三百万句语音，时长达2000小时。为了让模型更加稳定，他们还加入了来自YouTube视频的噪音样本。他们开发出的原版声学模型有80MB。