Google LLC開發(fā)了一種小型化的神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)小而高效，足以直接在移動(dòng)設(shè)備上執(zhí)行語音識(shí)別(通常是硬件密集型任務(wù))。

該技術(shù)今天在該公司的Pixel智能手機(jī)上首次亮相。Google已將其部署到其Gboard虛擬鍵盤應(yīng)用程序中，作為更新的一部分，該更新將使內(nèi)置語音命令功能在設(shè)備無法訪問互聯(lián)網(wǎng)時(shí)可用。

以前，該功能需要穩(wěn)定的連接才能正常工作，因?yàn)樵搼?yīng)用程序?qū)⒃S多計(jì)算繁重的工作轉(zhuǎn)移到了云端。這對(duì)于使用人工智能處理語音的其他服務(wù)仍然是必需的。原因是將語音轉(zhuǎn)換為文本通常需要幾個(gè)不同的軟件組件，這些組件太復(fù)雜而無法在手機(jī)上運(yùn)行。

在 博客中，谷歌研究員約翰·范斯卡爾奎克說Gboard的先前重復(fù)使用了不下三個(gè)獨(dú)立的AI模式。第一個(gè)負(fù)責(zé)將原始音頻組織成音素(最小的口頭語言)，而第二個(gè)負(fù)責(zé)將這些音素拼合成單詞。然后將數(shù)據(jù)饋送到輸出完整短語的AI。

Google設(shè)法將這三個(gè)模型整合為一個(gè)神經(jīng)網(wǎng)絡(luò)，從頭到尾處理整個(gè)過程。而且，AI在用戶講話時(shí)實(shí)時(shí)處理語音。

“該模型在字符級(jí)別起作用，因此，在您講話時(shí)，它會(huì)逐個(gè)字符地輸出單詞，就像有人實(shí)時(shí)鍵入您所說的話一樣，完全符合您希望通過鍵盤聽寫的內(nèi)容系統(tǒng)”，Google的Schalkwyk寫道。

除了簡(jiǎn)化語音識(shí)別工作流程之外，這家搜索巨頭還縮小了Gboard的解碼器圖，后者是負(fù)責(zé)協(xié)調(diào)整個(gè)過程的關(guān)鍵組件。Google將其大小減少了25倍，從該應(yīng)用程序的先前版本中的2 GB減少到了80 MB。

該公司認(rèn)為，隨著時(shí)間的流逝，該技術(shù)可能會(huì)超越Gboard應(yīng)用于其他應(yīng)用程序和用例。Schalkwyk寫道：“鑒于行業(yè)的趨勢(shì)，隨著專用硬件和算法改進(jìn)的融合，我們希望此處介紹的技術(shù)能很快在更多語言和更廣泛的應(yīng)用領(lǐng)域中采用。”