Wake word phát hiện cụm từ đánh thức như thế nào?

• Âm thanh đang nghe
• Cổng phát hiện từ đánh thức
• Lời lệnh sau khi đánh thức

Bạn sẽ học được gì

• Mô tả bộ phân loại âm thanh làm gì.
• Nêu đầu ra của nó: hạng mục kèm điểm.
• Phân biệt phát hiện từ khóa với nhận dạng streaming.

Cần biết trước

Không cần kinh nghiệm bay drone. Từ nào mới sẽ có định nghĩa ở phần thuật ngữ.

Bộ phân loại âm thanh hoạt động ra sao?

Theo tài liệu Audio Classifier của MediaPipe, tác vụ phân loại đoạn âm thanh vào một tập hạng mục định nghĩa trước, như nhạc guitar, còi tàu hoặc tiếng chim. Mô hình chạy trên đoạn riêng lẻ hoặc luồng liên tục và trả về hạng mục xếp theo điểm xác suất giảm dần.

Sau khi nghe thấy từ khóa thì sao?

Khi cần chuyển lời nói thành văn bản ngay lúc đang nói, Cloud Speech-to-Text cung cấp nhận dạng streaming, cho kết quả tạm thời khi âm thanh đang được thu.

Giới hạn nằm ở đâu?

Hai tài liệu mô tả bộ phân loại âm thanh chung và nhận dạng streaming, không nêu mô hình phát hiện từ khóa cụ thể, tỉ lệ nhận nhầm hay ngưỡng nên chọn. Hãy tự đo ngưỡng bằng mẫu thu trong môi trường dùng thật.

Ví dụ trong thực tế

Tình huống giả định để minh họa, chưa phải kết quả thử nghiệm.

Một thiết bị demo nghe liên tục bằng bộ phân loại. Khi điểm của hạng mục từ khóa vượt ngưỡng do người làm chọn, thiết bị mở một cửa sổ nghe lệnh, rồi mới chuyển sang nhận dạng.

Hiểu lầm thường gặp

Điểm cao nghĩa là chắc chắn người dùng đã nói từ khóa. Điểm chỉ là xác suất do mô hình đưa ra; ngưỡng phải được chọn bằng dữ liệu thật.

Câu hỏi thường gặp

Bộ phân loại âm thanh trả về gì?

Danh sách hạng mục xếp theo điểm xác suất giảm dần.

Nó chạy trên đoạn âm thanh hay luồng liên tục?

Cả hai: đoạn riêng lẻ hoặc luồng liên tục.

Nhận dạng streaming cho kết quả khi nào?

Kết quả tạm thời có ngay khi âm thanh đang được thu.

Tóm tắt

• Bộ phân loại xếp âm thanh vào hạng mục.
• Đầu ra là danh sách hạng mục kèm điểm.
• Nhận dạng streaming cho kết quả tạm thời.