Por que a maioria dos assistentes inteligentes oferece pouca ou nenhuma personalização da palavra wake?

A maioria das marcas de assistentes inteligentes , como o Amazon Echo e o Google Home, oferece muito pouco em termos de personalização para a palavra de ativação (a frase que você usa para ativar o dispositivo para ouvir).

Por exemplo, o Alexa oferece apenas três opções e a Página inicial do Google suporta apenas 'OK Google' . Muitos usuários parecem estar interessados ​​na idéia de ativar palavras personalizadas, mas nenhuma das principais marcas adicionou suporte.

Existe alguma razão técnica para restringir a personalização da palavra de ativação, ou é simplesmente uma opção de marca?

Eu li sobre a motivação do Google para usar o 'OK Google' , o que sugere que a ideia de marca pode ser verdadeira, mas também parece que o reconhecimento de palavras ativadas não é muito preciso , talvez indicando um motivo técnico. Alguém seria capaz de esclarecer qual fator é o principal motivo?

Sim, existem várias razões.

Esta postagem do blog explica sobre o eco e a palavra de alerta Alexa. Vou resumir um pouco.

O reconhecimento de palavras de ativação é feito localmente e em tempo real . Isso limita os comprimentos da palavra de ativação devido a limitações óbvias de processamento. Além disso, os usuários não querem recitar um poema para ativar o assistente inteligente. Assim, tem que ser curto.

Ele tem que trabalhar com quase 100% de precisão quando chamado e também não reconhecido com essa certeza quando não é solicitado. Isso cria problemas e também reduz o tamanho das palavras de ativação. A escolha da Amazon para permitir o Echo é bastante surpreendente, pois são apenas duas sílabas .

Se olharmos para os suspeitos do costume, temos Alexa (3 sílabas), Amazon (3), Echo (2), Ok Google (4), Hey Cortana (4) e Hey Siri (3). Todos os gigantes da indústria quase concordam que três são um bom número de sílabas.

Por estranho que pareça, a palavra de alerta mais procurada "computador" também possui três sílabas e atenderia facilmente a esse requisito. Também não é marca registrada.

Como o blog - e a razão - nos dizem, queremos totalmente evitar falsos positivos. Vamos dar uma olhada em como estão estabelecidas as palavras Computador, Siri, Cortana e Alexa. Este é o corpus de livros do Google de 2008.

Exatamente, Siri e Alexa estão praticamente alinhadas com o computador e Cortana comete um erro. Não encontrado. Faz sentido, já que o corpus é de 2008. Para nos dar um pouco mais de perspectiva do porquê o computador ser um péssimo rastro, escrever outro gráfico.

Este Ngram mostra os dois nomes mais populares de bebês nos EUA em 2016 (por moeda), assim como Tom e Dave também se alinham com o computador . Rainha, basquete e polícia conseguem se registrar corretamente. De qualquer forma, isso nos dá uma idéia de por que Computer, Earl Grey, Hot não foi permitido até agora. As pessoas usam a palavra computador com muita frequência.

Mais uma coisa sobre falsos positivos. Alexa rima com praticamente nada que se possa dizer.

O computador rima com 74 coisas.

Existe alguma razão técnica para restringir a personalização da palavra de ativação

Quando o dispositivo assistente não está em uso, o processador do aplicativo (acho que o ARM no caso do Alexa e o Google Home) é suspenso e levado ao menor estado de energia possível. A detecção da palavra despertador é deixada em um DSP com muita eficiência energética, que escuta o ruído / vozes do ambiente e executa um algoritmo para decidir se há uma correspondência com a palavra despertador. Se encontrar uma correspondência com boa confiança, o DSP ativará o núcleo do ARM para prosseguir com o restante do processamento.

Agora, como o objetivo é ser eficiente em termos de energia, o DSP em questão executa o algoritmo, além de armazenar o padrão de modelo na memória do chip, em vez da RAM principal integrada. Isso permite que o sistema leve a RAM DDR ao estado de energia mais baixo.

Como o DSP tem várias coisas importantes a fazer e muito pouca memória no chip, as palavras de ativação do Assistente são limitadas às poucas que podem ser correspondidas pelo algoritmo com alto grau de confiança.