Google在Pixel手机上首次推出了微型实时语音识别AI

Google LLC开发了一种小型化的神经网络，该网络小而高效，足以直接在移动设备上执行语音识别(通常是硬件密集型任务)。

该技术今天在该公司的Pixel智能手机上首次亮相。Google已将其部署到其Gboard虚拟键盘应用程序中，作为更新的一部分，该更新将使内置语音命令功能在设备无法访问互联网时可用。

以前，该功能需要稳定的连接才能正常工作，因为该应用程序将许多计算繁重的工作转移到了云端。这对于使用人工智能处理语音的其他服务仍然是必需的。原因是将语音转换为文本通常需要几个不同的软件组件，这些组件太复杂而无法在手机上运行。

在 博客中，谷歌研究员约翰·范斯卡尔奎克说Gboard的先前重复使用了不下三个独立的AI模式。第一个负责将原始音频组织成音素(最小的口头语言)，而第二个负责将这些音素拼合成单词。然后将数据馈送到输出完整短语的AI。

Google设法将这三个模型整合为一个神经网络，从头到尾处理整个过程。而且，AI在用户讲话时实时处理语音。

“该模型在字符级别起作用，因此，在您讲话时，它会逐个字符地输出单词，就像有人实时键入您所说的话一样，完全符合您希望通过键盘听写的内容系统”，Google的Schalkwyk写道。

除了简化语音识别工作流程之外，这家搜索巨头还缩小了Gboard的解码器图，后者是负责协调整个过程的关键组件。Google将其大小减少了25倍，从该应用程序的先前版本中的2 GB减少到了80 MB。

该公司认为，随着时间的流逝，该技术可能会超越Gboard应用于其他应用程序和用例。Schalkwyk写道：“鉴于行业的趋势，随着专用硬件和算法改进的融合，我们希望此处介绍的技术能很快在更多语言和更广泛的应用领域中采用。”