Tiếp theoHướng dẫn tiếp theo
Quyền riêng tư của Trợ lý Giọng nói: Chúng có luôn lắng nghe không?
AI âm thanh
HƯỚNG DẪN AI âm thanh
Các trợ lý giọng nói như Siri, Alexa và Trợ lý Google thường được đào tạo và điều chỉnh để mong đợi lời nói trôi chảy, liên tục, vì vậy, chúng thường ngắt lời, nghe nhầm hoặc bỏ cuộc đối với những người nói lắp, coi những đoạn nói lắp không trôi chảy như bị chặn, lặp lại hoặc kéo dài khi kết thúc lệnh hoặc như tiếng ồn không thể nhận ra.
Nghe hướng dẫn nàyAI thuật lại · ~3 min
Điều này quan trọng vì nó ảnh hưởng đến các công việc hàng ngày như đặt lời nhắc hoặc thực hiện cuộc gọi, đồng thời loại trừ một cách hiệu quả những người nói lắp khỏi các công cụ được tiếp thị là tiện lợi trên toàn cầu; các nhà nghiên cứu đã xây dựng riêng các bộ dữ liệu về giọng nói nói lắp để giúp khắc phục điều này.
Nói lắp là một chứng rối loạn ngôn ngữ liên quan đến sự gián đoạn trong dòng nói, bao gồm lặp lại âm thanh hoặc âm tiết, âm thanh kéo dài và chặn khiến âm thanh dừng hoàn toàn trong giây lát và nó ảnh hưởng đến một phần đáng kể dân số tại một thời điểm nào đó, với nhiều người tiếp tục nói lắp ở tuổi trưởng thành. Giao diện giọng nói kết hợp tính năng nhận dạng giọng nói tự động với quyết định về điểm cuối hoặc hoạt động bằng giọng nói về thời điểm một người nói xong. Việc tạm dừng trong một khối hoặc âm thanh lặp lại có thể góp phần gây ra lỗi ngắt sớm hoặc lỗi phiên âm trong một số hệ thống, như nghiên cứu người dùng được trích dẫn minh họa; hiệu ứng thay đổi tùy theo người, thiết bị và nhiệm vụ. Đây là một khoảng cách đã được biết đến và ghi lại chứ không phải là một khoảng cách giả định. Các nhà nghiên cứu đã công bố công trình về nói lắp. SEP-28k là tập dữ liệu nghiên cứu với các clip được gắn nhãn về các sự kiện như khối, phần kéo dài và sự lặp lại; nó được tạo ra để nghiên cứu khả năng phát hiện sự kiện chứ không phải là bằng chứng cho thấy trợ lý người tiêu dùng hiện xử lý tình trạng nói lắp một cách đáng tin cậy. Một nghiên cứu năm 2023 đã khảo sát 61 người nói lắp và kiểm tra khả năng nhận dạng giọng nói bằng bản ghi âm của 91 người tham gia, báo cáo các điểm cắt và lỗi phiên âm trong hệ thống mà nó đánh giá. Những phát hiện này ghi lại lỗ hổng trong điều kiện nghiên cứu đó, chứ không phải hiệu suất của mọi trợ lý hiện tại. Các nỗ lực hỗ trợ tiếp cận liên quan, chẳng hạn như Dự án Euphonia của Google, tập trung rộng hơn vào lời nói khác với các kiểu nói lưu loát thông thường, bao gồm cả tật nói lắp cùng với các khác biệt về giọng nói khác. Một quan niệm sai lầm phổ biến cho rằng nói lắp chỉ đơn giản là 'nói chậm' và việc cho trợ lý nhiều thời gian hơn để lắng nghe sẽ giải quyết được hoàn toàn vấn đề; trên thực tế, sự thiếu lưu loát có thể bao gồm các âm thanh mà trình nhận dạng phân loại sai thành tiếng ồn hoặc từ sai hoàn toàn, chứ không chỉ dừng lại lâu hơn, do đó, việc khắc phục trải nghiệm đòi hỏi các mô hình được đào tạo về các mẫu giọng nói không lưu loát thực tế chứ không chỉ điều chỉnh cài đặt thời gian chờ. Sự tiến bộ được các nhà nghiên cứu mô tả là tăng dần vì các mô hình không lưu loát khác nhau đáng kể giữa các cá nhân.
Một người nói lắp nói 'Đặt đồng hồ t-t-t-hẹn giờ trong mười phút' và một trợ lý được điều chỉnh để có khả năng nói trôi chảy có thể cắt ngang việc nghe sau lần tạm dừng đầu tiên, chỉ đăng ký một phần của cụm từ hoặc yêu cầu người đó lặp lại chính họ.
Một số trợ lý cung cấp cài đặt nghe kéo dài hoặc tạm dừng lâu hơn để có thêm thời gian trước khi quyết định người dùng đã nói xong, cài đặt này có thể hữu ích nhưng không được thiết kế đặc biệt cho chứng nói lắp.
Google đã xuất bản nghiên cứu và bộ dữ liệu như Sự kiện nói lắp trong kho dữ liệu Podcast, sử dụng giọng nói nói lắp được ghi âm thực tế để đào tạo và đánh giá các mô hình về sự lặp lại, chặn và kéo dài thay vì chỉ nói trôi chảy.
Một số người dùng nói lắp cho biết họ đang phát triển các giải pháp thay thế, chẳng hạn như gõ lệnh thay vì nói hoặc chờ cho tình trạng nói lắp qua đi trước khi bắt đầu lệnh, điều chỉnh hiệu quả hành vi của họ xung quanh một công cụ không được xây dựng dành cho họ.
Kể từ ngày 26 tháng 9 năm 2026, nghiên cứu tiếp tục về nhận dạng giọng nói toàn diện hơn, bao gồm các tập dữ liệu và đánh giá dựa trên hiểu biết của cộng đồng. Một tập dữ liệu hoặc cải tiến trong phòng thí nghiệm không đảm bảo rằng một điện thoại hoặc trợ lý giọng nói cụ thể đã áp dụng nó. Kiểm tra thiết bị và ngôn ngữ thực tế, cung cấp các lựa chọn thay thế bằng cách nhập hoặc điều khiển bằng cảm ứng, đồng thời cho phép người dùng sửa bản ghi mà không bị buộc phải lặp lại. Ưu tiên điều trị lâm sàng và giao tiếp thuộc về cá nhân và chuyên gia ngôn ngữ nói có trình độ. Một lệnh không thành công sẽ kích hoạt một giải pháp thay thế có thể truy cập được chứ không phải áp lực phải nói trôi chảy.
Bản tin miễn phí
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Các trợ lý giọng nói như Siri, Alexa và Trợ lý Google thường được đào tạo và điều chỉnh để mong đợi lời nói trôi chảy, liên tục, vì vậy, chúng thường ngắt lời, nghe nhầm hoặc bỏ cuộc đối với những người nói lắp, coi những đoạn nói lắp không trôi chảy như bị chặn, lặp lại hoặc kéo dài khi kết thúc lệnh hoặc như tiếng ồn không thể nhận ra. Điều này quan trọng vì nó ảnh hưởng đến các công việc hàng ngày như đặt lời nhắc hoặc thực hiện cuộc gọi, đồng thời loại trừ một cách hiệu quả những người nói lắp khỏi các công cụ được tiếp thị là tiện lợi trên toàn cầu; các nhà nghiên cứu đã xây dựng riêng các bộ dữ liệu về giọng nói nói lắp để giúp khắc phục điều này.
Tình trạng gần như im lặng của khối có thể kích hoạt sớm tính năng phát hiện cuối giọng nói của trợ lý.
SEP-28k, Sự kiện nói lắp trong Podcast, là một tập dữ liệu được gắn nhãn dùng để đào tạo và đánh giá các mô hình về lời nói trôi chảy thực sự.
Vấn đề không chỉ là thời gian; một số âm thanh nhất định bị phân loại sai hoàn toàn, do đó, thời gian chờ lâu hơn không khắc phục được khả năng nhận dạng.
VAD xác định điểm cuối của giọng nói, thường thông qua ngưỡng im lặng, có thể gây nhầm lẫn cho các khối nói lắp.
Dự án Euphonia đề cập đến cách nói không điển hình một cách rộng rãi, trong đó nói lắp là một ví dụ trong số những ví dụ khác.
Tiếp tục học hỏi
Đã chọn thêm hướng dẫn cho chủ đề này
Tiếp theoHướng dẫn tiếp theo
Quyền riêng tư của Trợ lý Giọng nói: Chúng có luôn lắng nghe không?
AI âm thanh