ДалееСледующее руководство
Конфиденциальность голосового помощника: всегда ли они слушают?
Аудио ИИ
Аудио РУКОВОДСТВО ПО ИИ
Голосовые помощники, такие как Siri, Alexa и Google Assistant, обычно обучены и настроены на плавную, непрерывную речь, поэтому они часто прерывают, неправильно слышат или отказываются от людей, которые заикаются, рассматривая нарушения, такие как блоки, повторения или продолжения, как конец команды или как нераспознанный шум.
Прослушайте это руководствоОзвучено ИИ · ~3 min
Это важно, поскольку влияет на повседневные задачи, такие как установка напоминаний или совершение звонков, и эффективно исключает людей, которые заикаются, из инструментов, позиционируемых как универсально удобные; Исследователи специально создали наборы данных о заикающейся речи, чтобы помочь исправить это.
Заикание — это речевое расстройство, сопровождающееся нарушениями потока речи, в том числе повторами звуков или слогов, продолжительными звуками и блоками, при которых звук полностью прекращается на мгновение, и в какой-то момент оно затрагивает значительную часть населения, причем многие люди продолжают заикаться и во взрослом возрасте. Речевые интерфейсы сочетают автоматическое распознавание речи с определением конечной точки или голосовой активности о том, когда человек закончил. Пауза во время блока или повторяющийся звук могут способствовать раннему прерыванию или ошибке транскрипции в некоторых системах, как показывает цитируемое исследование пользователей; Эффект зависит от человека, устройства и задачи. Это известный и задокументированный пробел, а не гипотетический. Исследователи опубликовали работу о заикающейся речи. SEP-28k — это набор исследовательских данных с помеченными фрагментами событий, таких как блоки, продления и повторения; он был создан для изучения обнаружения событий, а не для доказательства того, что помощники потребителя теперь надежно справляются с заиканием. В исследовании 2023 года был опрошен 61 человек, страдающий заиканием, и протестировано распознавание речи с помощью записей 91 участника, сообщавших о сбоях и ошибках транскрипции в оцениваемых системах. Эти результаты свидетельствуют о пробелах в этих условиях обучения, а не о работе каждого нынешнего ассистента. Сопутствующие усилия по обеспечению доступности, такие как Project Euphonia Google, в более широком смысле фокусируются на речи, которая отличается от типичной беглости, включая заикание наряду с другими речевыми различиями. Распространенным заблуждением является то, что заикание – это просто «медленная речь» и что если дать ассистенту больше времени на то, чтобы слушать, то проблема полностью решается; на самом деле, нарушения плавности могут включать в себя звуки, которые распознаватель ошибочно классифицирует как шум или как неправильное слово, а не только более длинные паузы, поэтому для исправления опыта требуются модели, обученные на реальных моделях неспокойной речи, а не просто скорректированные настройки тайм-аута. Прогресс описывается исследователями как постепенный, поскольку модели нарушения беглости речи значительно различаются у разных людей.
Человек, который заикается, говорит: «Поставь таймер на десять минут», а помощник, настроенный на беглую речь, может прервать прослушивание после первой паузы, зарегистрировать только часть фразы или попросить человека повториться.
Некоторые помощники предлагают расширенное прослушивание или более длительную паузу, что дает больше времени, прежде чем пользователь решит, что говорит, что может помочь, но не предназначено специально для заикающихся.
Google опубликовал исследования и наборы данных, такие как «События заикания в подкастах», используя реальную записанную речь заикающихся для обучения и оценки моделей повторений, блоков и продолжений, а не только беглой речи.
Некоторые пользователи, которые заикаются, сообщают о разработке обходных путей, таких как ввод команд вместо того, чтобы произносить их, или ожидание, пока заикание пройдет, прежде чем запускать команду, эффективно адаптируя свое поведение к инструменту, который был создан не для них.
По состоянию на 26 сентября 2026 года продолжаются исследования в области более инклюзивного распознавания речи, включая наборы данных и оценку с учетом информации сообщества. Улучшение набора данных или лабораторных исследований не гарантирует, что конкретный телефон или голосовой помощник их адаптируют. Протестируйте фактическое устройство и язык, предложите в качестве альтернативы набор текста или сенсорное управление и позвольте пользователям исправлять расшифровку без необходимости повторять. Предпочтения в отношении клинического лечения и общения принадлежат индивидууму и квалифицированному логопеду. Неудачная команда должна вызвать доступную альтернативу, а не принуждение к беглой речи.
Бесплатная рассылка
Три проверенных AI-истории каждое утро буднего дня, написанные простым английским. Бесплатно навсегда, без рекламы.
Одно электронное письмо каждый будний день. Отписаться в один клик. Мы никогда не продаем и не передаем ваш адрес.
Проверьте себя
Мгновенная обратная связь по каждому ответу и общий сертификат с проверяемым идентификатором после прохождения курса.
Поддержите бесплатное образование в области искусственного интеллекта. AI Understanding — это некоммерческая организация 501(c)(3). Никакой рекламы и платного доступа. Сделать пожертвование
Голосовые помощники, такие как Siri, Alexa и Google Assistant, обычно обучены и настроены на плавную, непрерывную речь, поэтому они часто прерывают, неправильно слышат или отказываются от людей, которые заикаются, рассматривая нарушения, такие как блоки, повторения или продолжения, как конец команды или как нераспознанный шум. Это важно, поскольку влияет на повседневные задачи, такие как установка напоминаний или совершение звонков, и эффективно исключает людей, которые заикаются, из инструментов, позиционируемых как универсально удобные; Исследователи специально создали наборы данных о заикающейся речи, чтобы помочь исправить это.
Почти тишина блока может вызвать преждевременное обнаружение конца речи ассистента.
SEP-28k, «События заикания в подкастах» — это размеченный набор данных, используемый для обучения и оценки моделей реальной неразборчивой речи.
Проблема не только во времени; некоторые звуки сразу классифицируются неправильно, поэтому одни только длительные тайм-ауты не исправляют распознавание.
VAD определяет окончание речи, обычно с помощью порога молчания, который может срабатывать при заикающихся блоках.
Проект «Эуфония» широко рассматривает атипичную речь, одним из примеров которой является заикание.
Продолжайте учиться
Другие руководства, выбранные по этой теме
ДалееСледующее руководство
Конфиденциальность голосового помощника: всегда ли они слушают?
Аудио ИИ