alexa是怎麼聽醒語的

亞歷克莎總是在聽，但不是一直在錄音。它不會向雲伺服器傳送任何東西，直到它聽到你說喚醒詞（Alexa、Echo或Computer）。但聽叫醒詞比你想象的要難。...

亞歷克莎總是在聽，但不是一直在錄音。它不會向雲伺服器傳送任何東西，直到它聽到你說喚醒詞（Alexa、Echo或Computer）。但聽叫醒詞比你想象的要難。

Echo硬體並不是那麼智慧。如果沒有網際網路，你提出的任何要求或問題都會失敗。這是因為您的命令被髮送到雲端進行解釋和決策。亞馬遜不希望你在智慧音箱前的每一次對話都被錄製下來，而是希望你給智慧音箱的命令被錄製下來。出於這個原因，公司使用了一個叫醒詞來吸引聰明的演講者的注意。為了做到這一點，亞馬遜使用了微調麥克風、短記憶緩衝區和神經網路訓練的組合。

微調麥克風精確定位您的聲音

語音助理揚聲器（如Echo和Echo Dot）通常有多個內建麥克風。例如，回聲點有七個。這種陣列使這些裝置具有多種能力，從聽到遠處發出的命令，到將背景噪音與聲音分離。

後者特別有助於喚醒詞的檢測。使用它的多個麥克風，回聲可以精確定位你的位置相對於它坐在那裡，聽這個方向，而忽略了房間的其餘部分。

每當你使用wake這個詞的時候，你就會看到它在起作用。站在回聲或回聲點的旁邊，說出喚醒詞。請注意，戒指亮起時是深藍色，然後是淺藍色，因為它的圓圈和“指向”你。現在，移動幾步到一邊，並再次說出喚醒詞。注意，淺藍色的燈光跟著你。

知道你在哪裡，有助於裝置更好地關注你，並排除來自其他地方的噪音。

記憶體不足使說話者不能容納太多內容

迴音裝置有大量的儲存空間，但它們使用的空間並不多。亞馬遜公司副總裁、Alexa人工智慧公司首席科學家羅希特·普**德（Rohit Prasad）表示，回聲只能物理儲存幾秒鐘的音訊。

透過減少它的功能，亞馬遜不僅給你更多的隱私（它是一個少一個地方你的聲音儲存），而且防止回聲聽整個對話，限制其重點是尋找喚醒詞。

想象一下你有一盒三秒鐘的錄音帶和一臺錄音機。假設磁帶到達結尾後，會一次又一次地回到開頭。如果你開始錄一段對話，你四秒鐘前說的每句話都會被抹去，並立即錄下來。亞馬遜Echo就是這麼做的。

它不停地記錄，但會同時擦除剛剛記錄的所有內容。這種短暫的注意力跨度意味著它只能聽到“Alexa”這個詞，而不是更多。不過，三秒鐘的時間足以讓這個詞被恰當地記錄、檢查和處理。

神經網路訓練有助於模式匹配

最後，Amazon依靠神經網路訓練來教Echo如何進行模式匹配。與其他形式的機器學習非常相似，亞馬遜透過一個接一個地輸入單詞Alexa（或Computer，或Echo，取決於公司正在訓練哪個wake單詞）來訓練演算法。

相關：什麼是演算法，為什麼它們讓人不舒服？

這樣做的目的是覆蓋每一個詞形變化和口音，但也包括上下文。亞馬遜希望你的回聲在你和它說話的時候，在你談論它的時候，或者，也許，在你和一個叫Alexa的人說話的時候，能夠識別出區別。定向麥克風也有助於實現這一目標。

回聲聽到的每一個字，都會透過層層的演算法來傳遞音訊。每一層都被設計用來排除誤報，尋找聲音或上下文線索。如果一個層檢查透過，單詞將轉到下一層。最後，當本地裝置確定它確實聽到了wake這個詞時，它開始錄製音訊並將其傳送到亞馬遜的雲伺服器。亞馬遜採用了四種演算法：一種是針對每個喚醒詞（Alexa、Computer、Echo），另一種是針對Alexa Guard，Alexa Guard將玻璃破碎等特定聲音處理為喚醒詞。

但即使出現匹配，亞馬遜仍會執行更復雜的檢查。你有沒有注意到，當有人在電視節目或廣告中說Alexa這個詞時，通常不會引起你的迴音？這是因為亞馬遜也做雲端計算。

雲檢測排除了一些誤報

當公司**以Alexa為主角的商業廣告時，他們可以將音訊提交給亞馬遜。該公司透過類似的模式匹配演算法來識別喚醒詞來執行音訊。一旦該例項被完全編目，它就會被新增到資料庫中。

作為接觸雲的過程的一部分，Echo包含了它聽到的喚醒詞的資訊，並檢查資料庫。每當找到匹配項時，Amazon就會指示Echo忽略wake單詞，關閉並丟棄任何錄製的音訊。

此外，Amazon還會檢查同時說出的wake單詞的例項。並非每家公司都向亞馬遜提交音訊，因此該公司提出了一種新穎的備份解決方案。在檢查資料庫匹配後，該公司將wake word imprint與同時出現的任何其他例項進行比較。兩個同時說Alexa的人聽起來不太可能一模一樣，所以如果有匹配的話，Amazon知道這很可能是一個商業或電視節目，並忽略了這個請求。

儘管進行了所有檢查，但仍會出現誤報。你可以聽聽你的回聲在亞馬遜的隱私中心錄下了什麼，你可能會發現其中至少有一個假陽性。但這項技術正在不斷改進，最終，亞馬遜希望它能在沒有任何喚醒詞的情況下正常工作。