Tiếng cánh quạt làm nhận giọng nói khó ra sao?

• Lời nói, nhánh trên
• Micro thu hỗn hợp âm
• Nguồn nhiễu cánh quạt, dưới

Bạn sẽ học được gì

• Giải thích âm thanh cạnh tranh che thông tin trong lời nói ra sao.
• Liên hệ vị trí microphone và trạng thái động cơ với âm thanh thu được.
• Lập mẫu đo công bằng và hiểu giới hạn khi diễn giải kết quả.

Cần biết trước

Chỉ cần biết microphone ghi lại hỗn hợp âm thanh xung quanh nó.

Tiếng cánh quạt gây nhiễu lời nói như thế nào?

Tại micro, giọng cần nghe và âm thanh không mong muốn được cộng vào bản ghi. Bộ nhận dạng phải suy ra từ ngữ từ những mẫu như âm bật của phụ âm, năng lượng nguyên âm và chuyển động cao độ. Nếu tiếng động cơ mạnh đúng khoảng thời gian và dải tần chứa một dấu hiệu lời nói, nó có thể che hoặc làm méo dấu hiệu đó; bộ nhận dạng còn ít căn cứ hơn để nhận ra từ định nói. Đây là hiện tượng che lấp âm học.

Tỷ lệ tín hiệu trên nhiễu mô tả mức giọng nói so với mức tiếng che lấp. Tỷ lệ thấp hơn nghĩa là giọng thu được kém nổi bật hơn so với âm không mong muốn. Lệnh ngắn có thể dễ bị ảnh hưởng: khi phụ âm hoặc dấu thanh duy nhất giúp phân biệt bị che, phần còn lại của câu có thể không đủ ngữ cảnh để phục hồi. Kết quả có thể là thay từ, bỏ từ hoặc không nhận ra lệnh; không có một tỷ lệ lỗi cố định cho mọi phương tiện.

Vì sao vị trí micro và tốc độ động cơ quan trọng?

Microphone đặt gần người nói thường thu giọng mạnh hơn tương đối với tiếng ồn xung quanh so với micro đặt xa. Hướng dẫn nhận dạng giọng nói Google khuyên đặt micro gần người nói, nhất là khi có nhiễu nền, và cảnh báo tiếng ồn cùng tiếng vọng quá mức có thể làm giảm độ chính xác. Trên phương tiện, micro còn có thể nằm gần động cơ hoặc đường truyền rung, vì vậy thay vị trí có thể làm giọng rõ hơn hoặc tiếng động cơ mạnh hơn. Kết quả cụ thể phụ thuộc vỏ, gá lắp và đường âm thanh; cần đo trên thiết lập dự kiến.

Tốc độ động cơ làm thay đổi âm thanh đến micro; trạng thái khác có thể làm đổi cả mức âm và dạng âm sắc. Bộ nhận dạng không tự biết tiếng đó đến từ cánh quạt, trừ khi hệ thống đưa thêm ngữ cảnh. Do vậy, chỉ thử khi động cơ dừng sẽ bỏ qua điều kiện quan trọng của môi trường đích. Xử lý nhiễu cũng không mặc nhiên có ích: Google lưu ý tiền xử lý giảm nhiễu thường làm giảm độ chính xác của dịch vụ này, nên hãy so bản có và không lọc thay vì cho rằng bộ lọc luôn tốt.

Đo ảnh hưởng bằng cách nào?

Dùng đúng micro, gá lắp, đường âm thanh và bộ lệnh dự định sử dụng. Chuẩn bị bản chép tham chiếu, thu người nói và điều kiện đại diện, rồi tách bản ghi theo trạng thái động cơ và nhóm khoảng cách. So từ nhận dạng với bản tham chiếu bằng một chỉ số nhất quán; đồng thời đếm kết quả ở mức lệnh như đúng intent, sai mục tiêu, thiếu trường và không nhận dạng. Ghi số lượng cùng loại bản ghi trong mỗi nhóm để người đọc hiểu phép so.

Cách đọc hữu ích là so sánh: nếu lỗi tăng chỉ khi có tiếng động cơ, nhiễu là một nguyên nhân hợp lý; nếu lỗi tập trung theo người nói hoặc cụm từ cả khi yên tĩnh, từ vựng, phát âm hoặc mô hình cũng có thể ảnh hưởng. Đừng suy ra phần trăm giảm nhiễu từ một người nói hay một bản ghi. Mẫu đại diện nên tránh chỉ chọn các ví dụ rõ nhất và cần giống môi trường triển khai.

Ví dụ: tách một nguyên nhân lỗi

Ví dụ phân tích bản ghi giả định, không phải kết quả đo.

Một nhóm dùng các bản ghi có sẵn của cùng danh sách lệnh ngắn, gồm điều kiện yên tĩnh và điều kiện có tiếng động cơ đại diện. Bài tập phần mềm này không yêu cầu chạy động cơ. Nhóm gắn nhãn mỗi tệp bằng vị trí micro và trạng thái động cơ, rồi so lỗi bản chép và quyết định lệnh với bản tham chiếu. Nếu chỉ một vị trí làm mất cùng phụ âm, họ xem lại vị trí gá và đường âm thanh; nếu mọi vị trí giảm chất lượng khi tiếng động cơ lớn hơn, cần xem khả năng nhận dạng khi nhiễu. Mọi bộ lọc được đánh giá trên cùng tập bản ghi để dành riêng và kiểm tra xem có tạo méo tiếng nói mới không.

Hiểu lầm thường gặp

Nhận dạng tốt trong phòng yên tĩnh dự báo được kết quả gần drone. Phòng yên tĩnh không tái tạo tiếng động cơ, vị trí micro hay tỷ lệ âm thanh của môi trường đích.

Câu hỏi thường gặp

Tỷ lệ tín hiệu trên nhiễu nghĩa là gì?

Đó là so sánh mức giọng nói với mức âm thanh che lấp. Tỷ lệ nhỏ hơn nghĩa là giọng thu kém nổi bật hơn so với nhiễu.

Có nên luôn thêm giảm nhiễu không?

Không. Xử lý có thể làm đổi dấu hiệu lời nói; hướng dẫn dịch vụ lưu ý tiền xử lý giảm nhiễu có thể làm giảm độ chính xác. Hãy đo trên pipeline thật.

Làm sao biết vị trí micro nào tốt hơn?

So các bản ghi cùng người nói và câu trong điều kiện khớp nhau, rồi xem lỗi bản chép và lỗi cấp lệnh thay vì chỉ nghe độ to.

Tóm tắt

• Tiếng động cơ có thể che các dấu hiệu thời gian và tần số giúp phân biệt từ.
• Vị trí micro và trạng thái động cơ làm đổi hỗn hợp giọng nói với nhiễu.
• Dùng bản ghi đại diện và cách so lỗi theo cặp để biết thay đổi thiết kế có ích không.