蘋果申請新專利 Siri可解讀用戶情緒
據(jù)蘋果14日提交的最新專利申請文件顯示，蘋果正在開發(fā)一種全新的方法，通過在未來版本的Siri或者其他系統(tǒng)中添加面部分析功能，來幫助Siri解讀用戶需求。這意味著Siri將來可能不僅懂得語音識別，在與用戶進行對話時，它甚至可以啟用設備的FaceTime攝像頭，來分析用戶面部表情，解讀用戶情緒。
蘋果官方稱，申請這一專利的目的是減少語音請求被Siri誤解的次數(shù)，試圖通過分析用戶情緒來進一步提高準確度。蘋果還提到：“Smart Apps可以代表用戶執(zhí)行操作，以回應用戶的自然語言需求，但在某些情況下，可能會與用戶想要的操作并不符合。但是現(xiàn)在我們可以對視頻輸入中的面部圖像進行分析，通過識別形狀或運動來識別特定的肌肉或肌肉組織是否被激活”。
目前人工智能較為成熟的應用之一就是圖像和語音識別。圖像識別是指利用計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對像的技術。得益于數(shù)字化時代帶來的海量數(shù)據(jù)，加之機器學習方法的廣泛應用，計算機視覺發(fā)展迅速。以往許多基于規(guī)則的處理方式，都被機器學習所替代：機器自動從海量數(shù)據(jù)中總結歸納物體的特征，然后進行識別和判斷。其已經廣泛應用到拍照識物、畫面增強、人機交互等各種領域，包括典型的相機人臉檢測、安防人臉識別、車牌識別等等。
神經網絡圖像識別的發(fā)展，各類視覺識別的任務精度都得到了大幅提升。在全球最權威的計算機視覺競賽ILSVR上，千類物體識別錯誤率在2011年時還高達25．8％，從2012年引入深度學習之后，后續(xù)4年的錯誤率分別達到了16．4％、11．7％、6．7％、3．7％，出現(xiàn)了顯著突破�，F(xiàn)在，人臉識別甚至能做到誤判率低于百萬分之一。
語音技術主要包括語音合成和語音識別兩項關鍵技術。讓機器說話，用的是語音合成技術；讓機器聽懂人說話，用的是語音識別技術。語音識別技術是指將人類語音中的詞匯內容轉換為計算機可讀的輸入，例如按鍵、二進制編碼或者字符序列，與說話人識別及說話人確認不同，后者嘗試識別或確認發(fā)出語音的說話人而非其中所包含的詞匯內容。此外，語音技術還包括語音編碼、音色轉換、口語評測、語音消噪和增強等技術。
科大訊飛作為智能語音識別領域的領跑者，在技術應用中訊飛翻譯機3．0支持和7個領域的專業(yè)人士充分對話，覆蓋醫(yī)療、外貿、體育、金融、能源、計算機、法律等七大熱門行業(yè)的AI翻譯，同時支持粵語、四川話、東北話、河南話等中文方言與英語的互譯，普通話與維語、藏語的即時互譯。另外，即使是方言口音的英語，訊飛翻譯機3．0也能識別。
語音識別技術從客服到智能家居，再到移動手機端和車載環(huán)境等多方面具有廣泛的應用場景。但語音識別還是有一些缺點的。語音隨時間而變化，所以必須使用生物識別模板。語音也會由于嗓音沙啞、情緒壓力或是外界環(huán)境影響而變化。語音識別系統(tǒng)比指紋識別系統(tǒng)有著較高的誤識率，因為人們的聲音不像指紋那樣獨特和唯一。
目前圖像與語音識別技術其很大程度上還是處于識別和歸類的層面，想要透過表層的識別去進行深層的情緒認識和理解，進而優(yōu)化人機交互的體驗，尚需時日。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
