Как работает технология распознавания голоса Алисы

Технология распознавания голоса Алисы работает в несколько этапов: ru.wikipedia.org

1. Отделение голоса от фоновых шумов. ru.wikipedia.org Для этого используется технология SpeechKit. ru.wikipedia.org Алгоритмам помогает разобраться с акцентами, диалектами, сленгами и англицизмами база из миллиарда произнесённых в разных условиях фраз. ru.wikipedia.org
2. Разделение слов на звуки. blog.skillfactory.ru Искусственный интеллект разделяет слова на маленькие части длиной в сотые доли секунды — фонемы. blog.skillfactory.ru
3. Математическая обработка фонем. blog.skillfactory.ru В результате получаются коэффициенты, которые описывают частотные характеристики звуковой части. blog.skillfactory.ru
4. Определение голосового запроса. blog.skillfactory.ru На основе этих описаний голосовой помощник определяет запрос. blog.skillfactory.ru
5. Достраивание слова из контекста. blog.skillfactory.ru Если у Алисы не получается понять фразу, например, из-за шума в помещении или акцента, она достраивает слово из контекста всего предложения. blog.skillfactory.ru Для этого у технологии есть таблица вероятностей переходов, в которой описаны возможные последовательности букв в словах. blog.skillfactory.ru
6. Перенос запроса в нужный тематический раздел. blog.skillfactory.ru После того как помощник зафиксировал запрос и обработал его, система переносит запрос в нужный тематический раздел, где происходит сбор информации. blog.skillfactory.ru
7. Озвучивание ответа. ru.wikipedia.org Для этого используется технология Text-to-speech. ru.wikipedia.org Основой служат записанные в студии 260 тысяч слов и фраз, которые затем были «порезаны» на фонемы. ru.wikipedia.org Из этой аудиобазы нейросеть собирает ответ, после чего интонационные перепады в готовой фразе сглаживаются нейросетью, что приближает речь Алисы к человеческой. ru.wikipedia.org