{"id":103287,"date":"2022-10-24T18:43:31","date_gmt":"2022-10-24T23:43:31","guid":{"rendered":"https:\/\/blogging-techies.com\/sw\/alexa-hur-fungerar-siri-roststyrning-forklaras\/"},"modified":"2022-10-24T18:43:31","modified_gmt":"2022-10-24T23:43:31","slug":"alexa-hur-fungerar-siri-roststyrning-forklaras","status":"publish","type":"post","link":"https:\/\/blogging-techies.com\/sw\/alexa-hur-fungerar-siri-roststyrning-forklaras\/","title":{"rendered":"Alexa, hur fungerar Siri? R\u00f6ststyrning f\u00f6rklaras"},"content":{"rendered":"
\n

Vi kan prata med n\u00e4stan alla v\u00e5ra prylar nu, men exakt hur fungerar det? N\u00e4r du fr\u00e5gar \u201cVilken l\u00e5t \u00e4r det h\u00e4r?\u201d eller s\u00e4g \u201cRing mamma\u201d, ett mirakel av modern teknik h\u00e4nder. Och \u00e4ven om det k\u00e4nns som att det \u00e4r i framkant, g\u00e5r id\u00e9n om att prata med enheter tillbaka \u00e5rtionden \u2013 n\u00e4stan lika l\u00e5ngt som jetpacks inom science fiction!<\/p>\n

Idag ligger huvuddelen av uppm\u00e4rksamheten p\u00e5 r\u00f6ststyrd datoranv\u00e4ndning p\u00e5 smartphones. Apple, Amazon, Microsoft och Google \u00e4r \u00f6verst i kedjan, var och en erbjuder sitt eget s\u00e4tt att prata med elektronik. Du visste vilka de \u00e4r: Siri, Alexa, Cortana och det namnl\u00f6sa \u201cOk, Google\u201d-v\u00e4sen. Vilket v\u00e4cker en stor fr\u00e5ga\u2026<\/p>\n

Hur tar en enhet talade ord och omvandlar dem till kommandon som den kan f\u00f6rst\u00e5? I huvudsak handlar det om m\u00f6nstermatchning och att g\u00f6ra f\u00f6ruts\u00e4gelser baserat p\u00e5 dessa m\u00f6nster. Mer specifikt \u00e4r r\u00f6stigenk\u00e4nning en komplex uppgift som kommer fr\u00e5n Akustisk modellering<\/strong> och Spr\u00e5kmodellering<\/strong>.<\/p>\n

<\/span> Akustisk modellering: v\u00e5gformer och telefoner<\/span><\/h2>\n
\n<\/figure>\n

Akustisk modellering \u00e4r processen att ta en v\u00e5gform av tal och analysera den med hj\u00e4lp av statistiska modeller. Den vanligaste metoden f\u00f6r detta \u00e4r Dold Markov-modellering<\/strong>, som anv\u00e4nds i vad som kallas uttalsmodellering f\u00f6r att dela upp tal i komponenter som kallas telefoner (inte att f\u00f6rv\u00e4xla med faktiska telefonenheter). Microsoft har varit en ledande forskare inom detta omr\u00e5de i m\u00e5nga \u00e5r.<\/p>\n

<\/span>Hidden Markov Modeling: Sannolikhetstillst\u00e5nd<\/span><\/h3>\n

Hidden Markov Modeling \u00e4r en prediktiv matematisk modell d\u00e4r det aktuella tillst\u00e5ndet best\u00e4ms genom att analysera resultatet. Wikipedia har ett bra exempel med tv\u00e5 v\u00e4nner.<\/p>\n

F\u00f6rest\u00e4ll dig tv\u00e5 v\u00e4nner \u2013 Local Friend och Remote Friend \u2013 som bor i olika st\u00e4der. Local Friend vill ta reda p\u00e5 hur v\u00e4dret \u00e4r d\u00e4r Remote Friend bor, men Remote Friend vill bara prata om vad han gjorde den dagen: promenerade, shoppade eller st\u00e4dade. Sannolikheten f\u00f6r varje aktivitet beroende p\u00e5 dagens v\u00e4der.<\/p>\n

\n<\/figure>\n

L\u00e5tsas att detta \u00e4r den enda information som finns tillg\u00e4nglig. Med den kan Local Friend hitta trender i hur v\u00e4dret f\u00f6r\u00e4ndrades fr\u00e5n dag till dag, och med hj\u00e4lp av dessa trender kan hon b\u00f6rja g\u00f6ra v\u00e4lgrundade gissningar om vad dagens v\u00e4der kommer att bli baserat p\u00e5 hennes v\u00e4ns aktivitet ig\u00e5r. (Du kan se ett diagram \u00f6ver systemet ovan.)<\/p>\n

Om du vill ha ett mer komplext exempel, kolla in det h\u00e4r exemplet p\u00e5 Matlab. Inom r\u00f6stigenk\u00e4nning j\u00e4mf\u00f6r denna modell i huvudsak varje del av v\u00e5gformen med vad som kommer f\u00f6re och vad som kommer efter, och mot en ordbok \u00f6ver v\u00e5gformer f\u00f6r att ta reda p\u00e5 vad som s\u00e4gs.<\/p>\n

I huvudsak, om du g\u00f6r ett \u201cth\u201d ljud, kommer det att kontrollera det ljudet mot de mest troliga ljuden som vanligtvis kommer f\u00f6re och efter det. Kanske betyder det att man kontrollerar mot \u201ce\u201d-ljudet, \u201cat\u201d-ljudet och s\u00e5 vidare. N\u00e4r m\u00f6nstret st\u00e4mmer \u00f6verens har det hela ditt ord. Detta \u00e4r en alltf\u00f6r f\u00f6renkling, men du kan se hela Microsofts f\u00f6rklaring h\u00e4r.<\/p>\n

<\/span> Spr\u00e5kmodellering: Mer \u00e4n ljud<\/span><\/h2>\n

Akustisk modellering hj\u00e4lper din dator att f\u00f6rst\u00e5 dig, men hur \u00e4r det med homonymer och regionala variationer i uttalet? Det \u00e4r d\u00e4r spr\u00e5kmodellering kommer in i bilden. Google har drivit mycket forskning inom detta omr\u00e5de, fr\u00e4mst genom anv\u00e4ndning av N-gram modellering<\/strong>.<\/p>\n

N\u00e4r Google f\u00f6rs\u00f6ker f\u00f6rst\u00e5 ditt tal g\u00f6r det det baserat p\u00e5 modeller som h\u00e4rr\u00f6r fr\u00e5n dess enorma bank av r\u00f6sts\u00f6kning och YouTube-transkriptioner. Alla dessa lustigt felaktiga videotexter har faktiskt hj\u00e4lpt Google att utveckla sina ordb\u00f6cker. Dessutom anv\u00e4nde de den avlidna GOOG-411 f\u00f6r att samla in information om hur m\u00e4nniskor pratar.<\/p>\n

\n<\/figure>\n

Hela den h\u00e4r spr\u00e5ksamlingen skapade ett stort utbud av uttal och dialekter, vilket skapade en robust ordbok \u00f6ver ord och hur de l\u00e5ter. Detta m\u00f6jligg\u00f6r matchningar som har en kraftigt reducerad felfrekvens \u00e4n brute force-matchning baserat p\u00e5 r\u00e5a sannolikheter. Du kan l\u00e4sa en kort artikel som beskriver deras metoder h\u00e4r.<\/p>\n

Medan Google \u00e4r ledande inom detta omr\u00e5de, finns det andra matematiska modeller som utvecklas, inklusive modeller f\u00f6r kontinuerliga rymd och positionella spr\u00e5kmodeller, som \u00e4r mer avancerade tekniker som kommer fr\u00e5n forskning inom artificiell intelligens. Dessa metoder \u00e4r baserade p\u00e5 att replikera den typ av resonemang m\u00e4nniskor g\u00f6r n\u00e4r de lyssnar p\u00e5 varandra. Dessa \u00e4r mycket mer avancerade b\u00e5de n\u00e4r det g\u00e4ller tekniken bakom dem, men ocks\u00e5 den matematik och programmering som beh\u00f6vs f\u00f6r att kartl\u00e4gga dessa modeller.<\/p>\n

<\/span>N-Gram-modellering: Sannolikhet m\u00f6ter minne<\/span><\/h3>\n

N-gram Modellering fungerar baserat p\u00e5 sannolikheter, men den anv\u00e4nder en befintlig ordbok f\u00f6r att skapa ett f\u00f6rgrenat tr\u00e4d av m\u00f6jligheter, som sedan j\u00e4mnas ut f\u00f6r effektivitetens skull. P\u00e5 s\u00e4tt och vis betyder det att N-gram Modeling g\u00f6r bort mycket av os\u00e4kerheten i den tidigare n\u00e4mnda Hidden Markov Modeling.<\/p>\n

Som n\u00e4mnts ovan kommer denna metods styrka fr\u00e5n att ha en stor ordbok \u00f6ver ord<\/em> och anv\u00e4ndande<\/em>, inte bara primitiv ljud<\/em>. Detta ger programmet m\u00f6jlighet att se skillnad p\u00e5 homofoner, som \u201cbeat\u201d och \u201cbeet\u201d. Det \u00e4r kontextuellt, vilket betyder att n\u00e4r du pratar om g\u00e5rdagens resultat, s\u00e5 drar programmet inte upp ord om borsjtj.<\/p>\n

Men dessa modeller \u00e4r faktiskt inte de b\u00e4sta f\u00f6r spr\u00e5k, fr\u00e4mst p\u00e5 grund av problem med sannolikheter f\u00f6r ord i l\u00e4ngre fraser. N\u00e4r du l\u00e4gger till fler ord i en mening, blir den h\u00e4r modellen lite s\u00e4mre eftersom dina tidiga ord sannolikt inte har laddat allt som beh\u00f6vs f\u00f6r din fullst\u00e4ndiga tanke.<\/p>\n

Men det \u00e4r enkelt och l\u00e4tt att implementera, vilket g\u00f6r det till en bra match f\u00f6r ett f\u00f6retag som Google som tycker om att kasta servrar p\u00e5 ber\u00e4kningsproblem. Du kan l\u00e4sa vidare p\u00e5 N-gram Modelieng vid University of Washington, eller s\u00e5 kan du se en f\u00f6rel\u00e4sning p\u00e5 Coursera.<\/p>\n

<\/span> Shouting at Clouds: Appar och enheter<\/span><\/h2>\n

Alla som har anv\u00e4nt Siri k\u00e4nner till frustrationen med en l\u00e5ngsam n\u00e4tverksanslutning. Detta beror p\u00e5 att dina kommandon till Siri skickas \u00f6ver n\u00e4tverket f\u00f6r att avkodas av Apple. Cortana f\u00f6r Windows-telefon kr\u00e4ver ocks\u00e5 en n\u00e4tverksanslutning f\u00f6r att fungera korrekt. D\u00e4remot \u00e4r Amazons Echo bara en Bluetooth-h\u00f6gtalare utan internet.<\/p>\n

Varf\u00f6r skillnaden? Eftersom Siri och Cortana beh\u00f6ver tunga servrar f\u00f6r att avkoda ditt tal. Kan det g\u00f6ras p\u00e5 din telefon eller surfplatta? Visst, men du skulle d\u00f6da din prestanda och batteritid i processen. Det \u00e4r bara mer meningsfullt att \u00f6verf\u00f6ra bearbetningen till dedikerade maskiner.<\/p>\n

\n<\/figure>\n

T\u00e4nk p\u00e5 det s\u00e5 h\u00e4r: ditt kommando \u00e4r en bil som har fastnat i leran. Du kan f\u00f6rmodligen driva ut det sj\u00e4lv med tillr\u00e4ckligt med tid och anstr\u00e4ngning, men det kommer att ta timmar och g\u00f6ra dig utmattad. Ist\u00e4llet ringer du v\u00e4gassistans och de drar ut din bil p\u00e5 bara n\u00e5gra minuter. Nackdelen \u00e4r att du m\u00e5ste ringa och v\u00e4nta p\u00e5 dem, men det \u00e4r fortfarande snabbare och mindre belastande.<\/p>\n

Desktopmodeller som Nuance tenderar att anv\u00e4nda lokala resurser p\u00e5 grund av den mer kraftfulla h\u00e5rdvaran. N\u00e4r allt kommer omkring, med Steve Jobs ord, \u00e4r ditt skrivbord en lastbil. (Vilket g\u00f6r det lite dumt att OS X anv\u00e4nder servrar f\u00f6r sin bearbetning.) S\u00e5 n\u00e4r du beh\u00f6ver bearbeta spr\u00e5k och r\u00f6st \u00e4r det redan tillr\u00e4ckligt v\u00e4lutrustat f\u00f6r att hantera det p\u00e5 egen hand.<\/p>\n

\u00c5 andra sidan till\u00e5ter Android utvecklare att inkludera offline taligenk\u00e4nning i sina appar. Google gillar att g\u00e5 f\u00f6re tekniken, och du kan sl\u00e5 vad om att de andra plattformarna kommer att f\u00e5 denna f\u00f6rm\u00e5ga n\u00e4r deras h\u00e5rdvara blir kraftfullare. Ingen gillar n\u00e4r d\u00e5lig t\u00e4ckning eller d\u00e5lig mottagning lobotomiserar sin enhet.<\/p>\n

<\/span> B\u00f6rja anv\u00e4nda r\u00f6stkommandon nu<\/span><\/h2>\n

Nu n\u00e4r du k\u00e4nner till de grundl\u00e4ggande begreppen b\u00f6r du leka med dina olika enheter. Testa den nya r\u00f6stinmatningen i Google Dokument. Som om webbkontoret inte redan var tillr\u00e4ckligt kraftfullt l\u00e5ter r\u00f6ststyrning dig helt diktera och formatera dina dokument. Detta ut\u00f6kar den kraftfulla teknik som de redan har designat f\u00f6r Chrome och Android.<\/p>\n

Andra id\u00e9er inkluderar att st\u00e4lla in din Mac f\u00f6r att anv\u00e4nda r\u00f6stkommandon och st\u00e4lla in ditt Amazon Echo med automatisk utcheckning. Lev i framtiden och omfamna att prata med dina prylar \u2013 \u00e4ven om du bara best\u00e4ller fler pappershanddukar. Om du \u00e4r en smartphonemissbrukare har vi ocks\u00e5 handledningar f\u00f6r Siri, Cortana och Android.<\/p>\n

Vilken \u00e4r din favorit anv\u00e4ndning av r\u00f6ststyrning? L\u00e5t oss veta i kommentarerna.<\/strong><\/p>\n

Bildkrediter: T-flex via Shutterstock, Terencehonles via Wikimedia Foundation, Arizona State, Cienpies Design via Shutterstock [Broken URL Removed]<\/p>\n

Om f\u00f6rfattaren<\/strong><\/p>\n

Michael McConnell (44 artiklar publicerade)
<\/strong><\/p>\n

Michael anv\u00e4nde inte en Mac n\u00e4r de var d\u00f6mda, men han kan koda i Applescript. Han har examen i datavetenskap och engelska; han har skrivit om Mac, iOS och videospel ett tag nu; och han har varit en IT-apa dagtid i \u00f6ver ett decennium, specialiserad p\u00e5 skript och virtualisering.<\/p>\n

Mer fr\u00e5n Michael McConnell<\/p>\n

<\/span>Prenumerera p\u00e5 v\u00e5rt nyhetsbrev<\/span><\/h4>\n

G\u00e5 med i v\u00e5rt nyhetsbrev f\u00f6r tekniska tips, recensioner, gratis e-b\u00f6cker och exklusiva erbjudanden!<\/p>\n

Klicka h\u00e4r f\u00f6r att prenumerera<\/p>\n<\/p><\/div>\n

\n
\n

Table of Contents<\/p>\nToggle<\/span><\/path><\/svg><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n