苹果说激活 siri 的语音指令由“Hey Siri”换成“Siri”有很大的技术难度

Siri

激活

CURD

hey

36 条回复 • 2022-11-11 21:17:08 +08:00

1

god7d

2022-11-10 11:29:48 +08:00

很显然不是啊，虽然我也不懂，但是你想一下条件越多肯定是越准确的，2 个变成一个会让难度有一个量级的提升吧

2

huangqihong

2022-11-10 11:31:13 +08:00

1

你这让我想起昨天和同学打电话，应该是说 crv ，平板的 siri 开启了。。。。。我一脸懵逼

3

mxT52CRuqR6o5

2022-11-10 11:33:38 +08:00

6

你改短了之后，排除假阳 case 会更困难，就比如如何保证在说 seriously 的时候不触发 siri （说的快的时候中间的那个『儿』音就不一定能很清楚的发音出来，就会比较接近 siri ）

4

ospider

2022-11-10 11:39:28 +08:00

1

「 Hey, Siri!」唤醒只需要判断是否说了两个词，而「 Siri!」需要判定是否是在唤醒 Siri ，还是提到了 Siri 。

举个例子，小爱同学就没有判断「小爱同学」这四个字是否在唤醒她，所以在句中提到她的时候就会唤醒，相信有小爱音箱的都有经历。苹果要做到的应该是说话中间提到 Siri 不会唤醒 Siri ，只有目的是唤醒 Siri 才会唤醒。

5

deanguqiang

2022-11-10 11:40:39 +08:00

7

Siri 的时间太短了。一般来为了做到很低的功耗，VAD 会做成多级唤醒：先检测有没有声音 -> 检测有没有人声 -> 检查是不是设定的唤醒词。有可能到达唤醒词这一阶段，HEY 已经丢掉或者不完整了。假如唤醒词只有 SIRI 那么成功率将大大降低。
大部分的唤醒词都是有一定持续时间、多个音节的，比如 HEY SIRI 、小度小度、小爱同学、天猫精灵，是有原因的。

6

janus77

2022-11-10 11:40:47 +08:00

我的想法是 hey 这个词一般人不常说（只有在刚见面的时候会说一下，正常对话中完全不会说），所以 hey 这个词很适合被用来做标记词（日常说的频率少，发音也简单，和其发音相似的词也挺少，尤其是在一句话开头的时候）
标记词用于唤起，可以同时保证唤起的成功率和低误伤率
而现在标记词改成了 siri ，这些优点几乎全部没有了

7

docx

2022-11-10 11:56:05 +08:00 via iPhone

误触发概率会变大吧

8

newaccount

2022-11-10 12:43:19 +08:00

有没有可能 hey 这个发音在声音的波形上是一个很明显的尖峰...

9

HeyWeGo

2022-11-10 12:46:14 +08:00

给 siri 换个名字吧，比如说：pineapple

10

gdfsjunjun

2022-11-10 12:58:23 +08:00

嘿 Siri 就三个字，长度足够了，就 Siri 我都怕误触，比如看视频有人介绍 Siri 怎样的时候，老是误触，嘿 Siri 就不会出现这样的问题，平时说话不太可能触发。

反而小爱同学四个字过长，而且看视频总是触发，特别烦

11

xingyuc

2022-11-10 13:03:00 +08:00

@HeyWeGo 我觉得不如 applepen

12

ShinomiyaKaguya

2022-11-10 13:08:55 +08:00 via iPhone

最新测试版系统，已经不用喊 hey 了，直接 siri 就能唤醒

13

bthulu

2022-11-10 13:13:18 +08:00

1

@gdfsjunjun 怎么可能会误触发. 已唤醒 siri 的情况下不重复唤醒不久解决了

14

marcong95

2022-11-10 13:38:26 +08:00

楼上讨论 Hey 这个词本身的，友情提示一下，如果把 Siri 语言设置成粤语，唤醒词是「喂，Siri 」。所以 Hey 这个词的特征应该不是作为唤醒词的原因。

15

Vtwoguest

2022-11-10 15:56:52 +08:00

口令越短越难判定最重要的是 Hey 不是 Hey 的这个词多特殊而是我们日常交流很少说 Hey 误判几率很小

16

cy1027

2022-11-10 16:16:17 +08:00

语音识别已经很成熟了，但是为什么还没有什么像样的语义识别，区别就在这里

17

gdfsjunjun

2022-11-10 16:17:20 +08:00

不符合习惯，当你提到某个人的名字并不代表你在叫他。

比如，说一声嘿，小爱。这就很明确你在叫他。

但是，当你对某个人评价的时候，你虽然提到了名字，但并不是在叫他，甚至他不在场也行。

比如，你讨论小爱同学人品怎样怎样，你根本就没在叫他这个人好吧，但是音箱就是回应了

18

anonymous2351d00

2022-11-10 16:21:16 +08:00

4

改成 system call 吧

19

okakuyang

2022-11-10 18:18:40 +08:00

苹果都是用神经网络去做识别的。缩短了词，输入就少了很多信息。重新找一批实验者录音，训练模型，改进算法，检验效果。这一套流程要全部走一遍。

20

ghs55kai

2022-11-10 18:21:58 +08:00 via iPhone

1

你比印度阿三还懂

21

cyningxu

2022-11-10 18:26:24 +08:00

个人感觉这个应该和误唤醒相关。hey siri 音节多便于识别且日常生活中较少使用，但 siri 音节少识别较难，且相较 hey siri 而言使用频率会高很多。比如“我感觉 siri 挺智能的”，但较少人会说“我感觉 hey siri 挺智能的”。如果仅是将==右边由“hey siri”改为“siri”，没有其他方面的提升，那这个使用体验会大打折扣。感觉苹果应该是在这方面下了很大的功夫，用以保证至少在他们的测试流程里，“hey siri”和“siri”的误唤醒率差不多。以上为个人见解，若有误望轻拍。

22

admpubcom

2022-11-10 18:28:45 +08:00 via iPhone

@bthulu cc @小爱音箱开发人员

23

ajyz

2022-11-10 18:38:30 +08:00 via iPhone

音节越短，容错越低

24

ThinkMan

2022-11-10 18:40:07 +08:00

之前在国内过 AI 语音行业。
当时我们中文推荐的是 3-5 个字，2 个字坚决拒绝（主要是误唤醒率非常高）。4 个字算是最佳，能平衡唤醒率、和误唤醒率，且“ABCD”好过“ABAB”、“AABB”等类型唤醒词。
当然手机上，除了做唤醒识别之外还会加声纹识别，以减少误唤醒。

25

nightwitch

2022-11-10 19:15:25 +08:00 via Android

在连续的数据里识别分析，难点不在于某个片段的识别准确率，难点在于从连续数据里找出片段的起始和结束。

26

Iamsonny

2022-11-10 19:21:47 +08:00

唤醒词越短，技术难度越高，误唤醒率太高了。

27

ixcode

2022-11-10 23:02:51 +08:00

只要还需要唤醒词，人工智障永远都是智障

28

AOK123

2022-11-10 23:21:12 +08:00

所以谷歌还是明智很多，直接叫 Alexa ，个人感觉误判率比 Hey Siri 都低。。。

29

HolliZod

2022-11-10 23:43:41 +08:00

没那么简单的，大多数公司都只能实现四个音节，苹果三个音节已经独步很久了

30

lbingl

2022-11-11 02:56:55 +08:00 via Android

@AOK123 Alexa 是亚马逊的，谷歌的也是 Hey Google

31

yaoyao1128

2022-11-11 07:45:35 +08:00 via iPhone

@AOK123
@lbingl
Alexa 是亚马逊，但是谷歌在不同地区的官方唤醒词分为 okey google 和 hey google 两种（甚至英语不同地区不同……），之后理论上都能用

@marcong95 同意，并且韩语的唤醒是 siri 呀

个人认为唤醒的问题是，以前本身是由语气词进行的主体判断。当 siri 这个词独自出现时的误唤醒概率因为一定需要语气词所以降低了。大概的逻辑就是碰到 siri 不说话，但是 siri 和固定的语气词在一起了那大概就是叫 siri 了。