AWS研究人员找到改善Alexa语音和声音辨识-优快云博客

AWS发布两项研究，提升Alexa语音助手的噪声过滤及事件侦测能力。一是开发了新方法，有效过滤电视和收音机等媒体声音干扰；二是运用半监督学习法和Tri-training模式，大幅提高语音事件侦测模型的准确性。

AWS发表改善Alexa语音和声音辨识的两篇论文，皆是透过机器学习技术，来处理Alexa语音识别的问题。AWS第一个介绍的方法，是针对Alexa接收到来自电子媒体的干扰问题，像是电视或是收音机的声音，AWS团队开发出一套能够更好地辨识媒体音频的方法，且能够长时间持续检查音频，帮助Alexa过滤掉非用户语音的背景声音讯号。
AWS研究人员找到改善Alexa语音和声音辨识
另一个方法则是利用外部数据集，透过半监督式学习法，来训练出语音事件侦测模型，半监督式学习法是采用小型已标注的训练数据集，来对照到大型未标注的数据集，尤其是，AWS团队是用Tri-training的模式，也就是用三种不同的模型来训练同一个任务，但是使用些微不同的数据集，再用最终输出的结果，来校正半监督式学习常见的问题，因此，模型的错误最终会变改正。AWS的媒体侦测系统是建立在对声音特征的观察，不管电子媒体声音的内容，系统能够辨识出所有常见的媒体声音，AWS的网络模型设计就是试图要从特定的训练样本中萃取出声音特征，首先，先透过卷积式神经网络（CNN）作为特征萃取器，接着，就像许多在口语理解领域的机器学习模型，AWS也是用递归神经网络（RNN），该网络能够有序地进程列输入，而每一层网络的输出都会影响着下一层的输入。