语音辅助技术使用户能够使用语音命令与他们的设备进行交互,它依靠准确的语音识别来确保对特定用户进行响应。但是在许多实际使用案例中,此类技术的输入通常包含重叠的语音,这给许多语音识别算法带来了巨大挑战。在2018年,我们发布了VoiceFilter系统,该系统利用Google的Voice Match通过允许人们注册语音来利用辅助技术进行个性化交互。
Google VoiceFilter 的语音样本处理演示
尽管VoiceFilter方法非常成功,并且比传统方法具有更好的信源失真比(SDR),但在设备上进行流式语音识别仍需要解决诸如模型大小,CPU和内存限制以及电池使用注意事项和延迟之类的限制。
在“ VoiceFilter-Lite:针对设备上语音识别的流式目标语音分离”中,我们介绍了适用于设备上的VoiceFilter的更新,该更新可通过利用选定发言人的注册语音来显着改善重叠语音中的语音识别。重要的是,该模型可以轻松地与现有的设备上语音识别应用程序集成,从而即使在没有互联网连接的情况下,也允许用户在极为嘈杂的条件下访问语音辅助功能。我们的实验表明,一个2.2 MB的VoiceFilte