TMT观察网_独特视角观察TMT行业

摘要：蘋果的一篇文章詳細介紹了硬件、軟件和互聯網服務如何結合在一起，在最新的 iPhone 和 iPad Pro 上實現「嘿 Siri」的功能。

Siri 這個功能對于很多人來說并不陌生，一句簡單的「嘿 Siri」就可以將其激活，讓它為你查天氣，查日程，甚至可以「調戲」它。但你卻不知，簡單的「嘿 Siri」背后其實一點也不簡單，Siri 背后隱藏了非常多的努力與心思。

蘋果今天在公司機器學習的博客上發布了一篇新文章（http://t.cn/RODZjvu），文章詳細介紹了硬件、軟件和互聯網服務如何結合在一起，在最新的 iPhone 和 iPad Pro 上實現「嘿 Siri」的功能。文章專業性較強，極客公園進行了編譯和刪減，為大家介紹「嘿 Siri」的基本原理。

「分數」及格才能使用 Siri

蘋果在運動協處理器中集成了非常小的語音識別裝置，這個裝置一直保持運行，并等待用戶說出「嘿 Siri」。當該裝置識別到這兩個單詞后，iPhone 或 Apple Watch 上的麥克風會以每秒 1.6 萬次的速度將你的聲音轉化為一連串的瞬時波形樣本。每次將大約 0.2 秒的音頻輸入到聲學模型，神經網絡會將這些聲學模型轉換為概率分布，并使用時間集成來計算「嘿 Siri」的信度分數。

蘋果已經設定了信度分數的幾個敏感閾值，如果分數足夠高，Siri 就被激活，并開始處理用戶的命令或查詢。如果分數超過了最低閾值，但沒有達到激活的閾值，比如「嘿 Siri」的發音并不是很清楚，這時設備會在幾秒鐘進入「敏感模式」，這樣當用戶再次重復「嘿 Siri」時，可以更好的激活，敏感模式的加入大大改善了 Siri 的可用性。當然如果信度分數連最低閾值都沒有超過，Siri 根本就不會「搭理」你。

準確識別你的「嘿 Siri」

為了減少或者說意外激活 Siri，蘋果在邀請用戶進行初始化「嘿 Siri」的時候，會要求我們連續說五次「嘿 Siri」，在初始化完成后，我們的聲音會轉化成波形并送達到 Siri 的服務器里。與此同時，蘋果還制定了一些與語音相關的規范，發音接近 Siri 的「Syria」(敘利亞) 和「serious」(嚴肅的) 等詞語將被放在上下文中進行識別。

這一方式不僅提高了激活 Siri 的成功率，同時還有效的避免其他人誤開 Siri。而在之后的使用過程中，蘋果會記錄不同環境中遠近激活「嘿 Siri」的情況，比如在廚房里、車里、臥室里等等。

并不是一直等你「嘿 Siri」

iPhone 或 Apple Watch 激活 Siri 不僅要求快速準確，還要求不會對電池的壽命產生重大的影響以及盡可能少的占用內存和處理器。為了避免主處理器一直處于檢測觸發詞的狀態，iPhone 中的 AOP（一種小且低能耗的處理器）會使用其一小部分處理能力來運行一個探測器和一個小版本的聲學模型。當信度分數超過最低閾值時，AOP 會「提醒」主處理器進行下一步操作。

而 Apple Watch 在整合 Siri 時遇到的困難更大一些，因為它的電池容量和處理能力都相對更小。為了避開這些問題，Apple Watch 的「嘿 Siri」檢測器只有在手表啟動時才會運行，它可以檢測到手腕抬起的手勢。只有用戶做出這樣的手勢，手表才會打開屏幕，之后激活 Siri。

其實 Siri 誕生以來，每一次隨著蘋果系統的更新，Siri 同樣也會獲得更多的進步。就像這一次隨著 iOS 11 系統的到來，我們也看到 Siri 獲得了不少的改進。比如說獲得了短語翻譯的功能、可以化身成為個人 DJ 、用戶界面的改進等等，而在這些改進的背后隱藏著很多的努力與心思。

來源：極客公園