QCon北京「鸿蒙专场」火热来袭!即刻报名,与创新同行~ 了解详情
写点什么

苹果公司透露 Siri 新发音引擎的内部原理

  • 2017-09-12
  • 本文字数:736 字

    阅读完需:约 2 分钟

苹果公司透露了他们通过深度学习让 Siri 的发音更加自然的内幕。

iPhone 用户使用自然语言向 Siri 提问,Siri 也通过语音回答问题。Siri 可以使用 21 种语言回答问题,遍布全球 36 个国家。在 2017 年 WWDC 大会上,苹果宣布了 iOS 11 上的 Siri 将使用最新的文本语音引擎。2017 年 8 月,苹果的机器学习期刊透露了他们是如何让Siri 的发音更加自然的。

iPhone 上的语音是通过拼接预先录制的人类语音来生成的。先录制几个小时的语音,再把它们拆分成单词,然后再把单词拆成最基本的元素:音素。在生成句子的时候,系统会选择合适的音素,再把它们拼接在一起。

为音素选择合适的录音是一件很有挑战性的事情。每一个音素都要与发音相匹配,也要与相邻的其他音素相匹配。旧系统只有几种录音,音素的来源很有限,所以听起来有点不自然。于是苹果决定使用深度学习来确定声音单元在句子中的各种属性。

每一台 iOS 设备都包含了一个小型的预录音素数据库。每一份数据都包含了音频属性:声音频谱的音高和音长。一个经过训练的“深度混合密度网络(deep mixture density network)”用于预测每一个音素在句子中的特征。苹果设计了一个成本函数来训练这个网络,着重考虑到两个方面的问题:如何让音素与发音相匹配以及如何让它与句子相融合。

在通过“Viterbi”算法从数据库里找到需要的数据后,系统会选出最佳的音素组合,把它们拼接起来,然后播放出声音。

另一种方式是生成声波,而不是拼接预录的声音。2016 年 9 月, Alphabets Deepmind 发布了 WaveNet 引擎,可以基于电脑生成文本语音。它的不足是速度很慢,就算使用最快的台式电脑也需要很长时间才能完成合成任务。所以,Siri 不会在短时间使用合成语音代替录制语音。

查看英文原文: Apple Reveals the Inner Workings of Siri’s New Intonation

2017-09-12 19:002410
用户头像

发布了 322 篇内容, 共 146.1 次阅读, 收获喜欢 148 次。

关注

评论

发布
暂无评论
发现更多内容

谷歌SEO搜索引擎优化怎么做?

九凌网络

融云荣登「2023 年度 PaaS 企业排行榜」

融云 RongCloud

互联网 PaaS 通信 企业 即时通讯

软件测试|带你了解Python正则表达式模块(二)

霍格沃兹测试开发学社

服务器租还是托管?

Geek_f19a80

服务器 #运维

Databend 开源周报第 118 期

Databend

使用openpyxl库读取Excel文件数据

不在线第一只蜗牛

工具 数据 Excel 教程

完蛋!我被 Out of Memory 包围了! | 京东云技术团队

京东科技开发者

Java Linux 内存泄漏 Out Of Memory 企业号11月PK榜

工赋开发者社区 | 智能物联网:概念、体系架构与关键技术

工赋开发者社区

软件测试|带你了解Python正则表达式模块(一)

霍格沃兹测试开发学社

外贸网站优化常用流程和一些常识

九凌网络

软件测试|Python的流程控制,你真的会了吗?(一)

霍格沃兹测试开发学社

24届秋招薪资大爆料

王磊

Java

Luminar Neo ai技术图像编辑工具 中文版 支持M1

繁星

Luminar Neo 图像处理工具

DDD技术方案落地实践 | 京东云技术团队

京东科技开发者

架构 领域驱动设计 DDD 企业号11月PK榜

软件测试|一文教你学会Python文件 I/O 操作

霍格沃兹测试开发学社

FomePay 充值 ChatGPT Plus 详细教程

月满楼

ChatGPT ChatGPT4 chatgpt app chatgpt api

软件测试|Python绘图神器matplotlib教程(三)

霍格沃兹测试开发学社

软件测试|Python流程控制,你真的会了吗(二)

霍格沃兹测试开发学社

外贸独立站推广谷歌seo优化的8大技巧

九凌网络

软件测试|Python流程控制,你真的会了吗(三)

霍格沃兹测试开发学社

如何寻找优质的谷歌seo优化公司来提升你的外贸网站排名

九凌网络

如何使用 NFTScan NFT API 在 Arbitrum 网络上开发 Web3 应用

NFT Research

NFT\ NFTScan nft工具 API 接口

软件测试|Python数据可视化神器——pyecharts教程(四)

霍格沃兹测试开发学社

体验问题哪里找?点击链接获取答案~ | 京东云技术团队

京东科技开发者

测试 用户体验 用户体验分析 企业号11月PK榜

Mac剪切板管理工具:Paste 4.1.2中文版

繁星

Paste中文版 剪切板管理

一个java文件的JVM之旅 | 京东物流技术团队

京东科技开发者

Java JVM 类加载机制 企业号11月PK榜

九凌网络:谷歌seo优化和外贸建站的五大优势

九凌网络

亚马逊云服务器成了我的首选服务器

StackOverflow

云服务器 亚马逊云

苹果公司透露Siri新发音引擎的内部原理_Apple_Roland Meertens_InfoQ精选文章