Pesquisadores da Amazon que trabalham no desenvolvimento de soluções para a Alexa apresentarão 16 estudos na Interspeech 2019, que será realizada na próxima semana, em Graz, Áustria. Os artigos abrangem as cinco áreas principais da funcionalidade da assistente de voz.
Entre os trabalhos, um dos mais significativos é o denominado “Um estudo para melhorar a detecção de fala direcionada para a interação homem-máquina sem fricção”. O artigo é uma atualização de trabalhos anteriores sobre a detecção de fala dirigida a dispositivos ou a identificação de afirmações destinadas à Alexa.
Outro, que leva o nome de “Reconhecimento Neural de Entidades Nomeadas por Unidades de Sub palavras-chave”, é considerado crucial para sistemas controlados por voz, segundo a Amazon.
Os pesquisadores treinaram um reconhecedor de entidade nomeada que toma unidades de subpalavra – caracteres, fonemas e bytes – como entradas. Ele oferece um desempenho comparável com um vocabulário de apenas 332 subpalavras, contra 74 mil palavras.
Em um outro estudo os pesquisadores vão apresentam uma nova técnica para transferir a prosódia (entoação, estresse e ritmo da fala) de uma gravação para uma voz sintetizada. A Amazon explicou que isso permite ao usuário escolher qual voz irá ler o conteúdo gravado, com as inflexões preservadas.
De acordo com a Amazon, onde os sistemas anteriores de transferência de prosódia usavam espectrogramas como entradas, o sistema dos pesquisadores adotam características prosódicas facilmente normalizadas extraídas do áudio bruto.
