自從 Siri 面世后，市場上各種各樣的私人語音助手大量出現(xiàn)，其中比較出名的包括谷歌助手、Amazon Alexa 以及微軟的小娜。這些語音助手都有各自的優(yōu)勢，也存在不足。蘋果語音助手 Siri 的優(yōu)勢就是本地化：Siri 支持 24種語言，并且還能支持 36種方言。谷歌助手只支持5種語言，Alexa 僅僅支持英語和德語。

　　iOS 10.3 測試版中，蘋果為 Siri 增加了上海話支持，繼續(xù)擴展 Siri 的本地化優(yōu)勢。蘋果公司言語團隊主管 Alex Acero 最近接受了路透社采訪，并解釋了 Siri 如何學習一門全新的語言。

　　Acero 目前在蘋果公司負責言語團隊，他在2013年加入蘋果。最初，Siri 語音識別基于 Nuance 的技術(shù)，幾年前蘋果自主研發(fā)了語音平臺，并取代了 Nuance 的技術(shù)。蘋果的語音平臺很大程度上依靠機器學習來提高對詞語的理解。

　　當蘋果團隊想要為 Siri 增加新語言時，首先需要邀請能說新語言的真人閱讀不同的段落和單詞，并需要涵蓋不同的方言和口音。

?

　　真人說出的語音被其他人錄制和轉(zhuǎn)錄。 這形成了語言的規(guī)范，以及單詞如何發(fā)聲。這些語音都有真實的人讀出，以確保準確性。 然后將該原始訓練數(shù)據(jù)發(fā)送到算法機器訓練模型中。

　　計算機語言模型試圖預測任意字串的轉(zhuǎn)錄。 隨著時間的推移，算法可以根據(jù)更多數(shù)據(jù)的訓練而自動改進。 蘋果會在內(nèi)部稍微調(diào)整一下數(shù)據(jù)，然后進入下一個階段。蘋果并沒有直接將語音與 Siri 集成，而是將新語言作為 iOS 和 macOS 的聽寫功能，當用戶點擊 iPhone 鍵盤左下角的麥克風按鍵時，可以進行聽寫操作。通過這種方式，蘋果可以從更廣泛的人群中獲得更多的語音范例。

　　這些真實世界的音頻剪輯自然包括背景噪聲和非完美的語音，如咳嗽，停頓和口齒不清。 蘋果將樣本采集并由員工轉(zhuǎn)錄，然后使用這種新驗證的音頻和文本配對作為語言模型的更多輸入數(shù)據(jù)。 第二個過程可以將聽寫錯誤率降低一半。

　　蘋果會重復這個過程，直到公司認為系統(tǒng)足夠準確，隨后會作為 Siri 的新語言出現(xiàn)。 與此同時，配音員會記錄語音序列，使 Siri 可以合成音頻并執(zhí)行文本-語音。最后，蘋果會通過系統(tǒng)更新為 Siri 帶來新語言，比如 iOS 10.3 和 macOS 10.12.4 中新增加的上海話。蘋果會將一些常用的問題進行預設(shè)，比如給我講個笑話，查找附近的餐館等。

　　Acero 表示，當 Siri 新增加一種語言后，蘋果會收集真實世界用戶的問題，并每隔兩周更新一次數(shù)據(jù)庫。