谷歌利用AI技術升級Gboard鍵盤，聽寫更快、更可靠

目前，該更新只在谷歌Pixel手機上可用，但將來應該會在其他設備上使用。

新的AI聽寫方法逐個字符地輸入消息，而非一次一個單詞。圖片來源：谷歌

谷歌正在Pixel手機上更新其Gboard鍵盤，采用人工智能離線聽寫。谷歌表示，更新意味著用戶可以更快，更可靠地指定電子郵件和文本，而無需擔心他們是否已連接到互聯網。

谷歌語音識別和移動輸入小組的研究科學家兼組長Francoise Beaufays說：“想象一下，你正走出你的大樓，你想向某人發送一條信息，說‘我要遲到了’。這正是你無法上網的時刻，因為你正從Wi-Fi轉向蜂窩網絡計劃。”隨著Gboard的升級，Beaufays告訴Verge，“這個問題已經不存在了。”

這可能聽起來像一個微不足道的用例，但Beaufays認為語音識別的改進，將慢慢改變我們與移動設備交互的方式。她指出，雖然語音識別近年來有所改善，但它仍然是一項不成熟的技術。它是計算密集型的，這意味著大多數語音識別系統必須通過互聯網發送數據，而結果是聽寫速度緩慢且不可靠。

“如果你使用手機鍵盤，只要連接情況不好就不能點擊鍵盤，”Beaufays說。“你就是不會用那個鍵盤。”但她說，通過讓系統離線，聽寫將成為一種更自然的選擇。

為實現這一轉變，Google團隊花了五年時間研究問題并簡化應用程序用于語音識別的AI系統。例如，舊版Gboard的聽寫軟件使用三個獨立的組件來模擬音頻波形，將聲音與音素匹配，然后將這些音素組合成書面輸出，更新后的版本將所有這些工作集成到一個步驟中。

為了實現這一轉變，谷歌的團隊花了五年時間研究這個問題，并簡化了應用程序用于語音識別的人工智能系統。例如，舊版Gboard的聽寫軟件使用三個獨立的組件來模擬音頻波形，匹配聲音和音素，然后將這些音素組合成書面輸出，而更新版本將所有這些工作集成到一個步驟中。

新模型還縮小了系統的一部分，稱為“解碼器圖形”，這個組件的功能類似于書中的索引，將音頻波形與書面文字相匹配。在Gboard的聽寫模型的舊版本中，這個解碼器圖形大小為2GB，對于設備上處理來說太大了。相比之下，新版本僅為80兆字節，小25倍。

新模型還將系統中被稱為“解碼器圖”的部分縮小，該組件的功能類似于書中的索引，將音頻波形與書面文字進行匹配。在舊版本的Gboard的聽寫模型中，這個解碼器圖形大小為2GB，對于設備上處理來說太大了。相比之下，新版本只有80MB，小了25倍。

此次升級目前僅限于美式英語聽寫和Pixel手機，但Beaufays表示，未來這一功能將得到更廣泛的應用——擴展AI語音識別的范圍。“從技術的角度來看，我認為我們可以在更多的手機上做到這一點，而不僅僅是Pixel，”Beaufays說。“我認為將會發生的事情是，我們可能會在更多的設備(以及更多的語言)上啟動它。”

原標題：Google upgrades Gboard keyboard with faster and more reliable AI dictation

作者：James Vincent

編譯：鄭翊君

文章來源：

https://www.theverge.com/2019/3/12/18261444/google-gboard-keyboard-dictation-voice-recognition-pixel-ai-offline-update