ces 觀察 com 口語 vpd 試圖 watermark 大型 開發

AWS發表改善Alexa語音和聲音辨識的兩篇論文，皆是透過機器學習技術，來處理Alexa語音識別的問題。AWS第一個介紹的方法，是針對Alexa接收到來自電子媒體的幹擾問題，像是電視或是收音機的聲音，AWS團隊開發出一套能夠更好地辨識媒體音頻的方法，且能夠長時間持續檢查音頻，幫助Alexa過濾掉非用戶語音的背景聲音訊號。

另一個方法則是利用外部數據集，透過半監督式學習法，來訓練出語音事件偵測模型，半監督式學習法是采用小型已標註的訓練數據集，來對照到大型未標註的數據集，尤其是，AWS團隊是用Tri-training的模式，也就是用三種不同的模型來訓練同一個任務，但是使用些微不同的數據集，再用最終輸出的結果，來校正半監督式學習常見的問題，因此，模型的錯誤最終會變改正。AWS的媒體偵測系統是建立在對聲音特征的觀察，不管電子媒體聲音的內容，系統能夠辨識出所有常見的媒體聲音，AWS的網絡模型設計就是試圖要從特定的訓練樣本中萃取出聲音特征，首先，先透過卷積式神經網絡（CNN）作為特征萃取器，接著，就像許多在口語理解領域的機器學習模型，AWS也是用遞歸神經網絡（RNN），該網絡能夠有序地進程列輸入，而每一層網絡的輸出都會影響著下一層的輸入。

AWS研究人員找到改善Alexa語音和聲音辨識