使用VoiceFliter-Lite改进设备上的语音识别

正文字数：1896  阅读时长：2分钟

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，并且依靠准确的语音识别来确保对特定用户的响应。但是在许多实际的使用案例中，这类技术的输入一般由重叠的语音组成，这给许多语音识别算法带来了巨大的挑战。

作者 / Wang Quan

原文链接 / https://ai.googleblog.com/2020/11/improving-on-device-speech-recognition.html

2018年，我们推出了VoiceFilter系统，该系统利用了谷歌的Voice Match，通过允许用户注册和登记自己的语音，实现与辅助技术的个性化交互。

https://www.youtube.com/watch?v=TSd080akKUY&feature=youtu.be

虽然VoiceFiltr的方法很成功，并且实现了比传统方法更好的信噪比（SDR），但高效的设备上流媒体语音识别需要解决模型大小、CPU、内存限制和电池使用注意事项和延迟最小化等的限制。

在“Voice Filter-lite方面：针对面向设备上语音识别的流媒体目标语音分离”中，我们推出了针对设备上使用的Voice Filter的更新，该更新可以通过利用选定发言