位于英國(guó)劍橋的聲紋識(shí)別技術(shù)供應(yīng)商Audio Analytic公司，正致力于將以人工智能(AI)為核心的聲音識(shí)別技術(shù)應(yīng)用于消費(fèi)設(shè)備中。就像語(yǔ)音識(shí)別可以識(shí)別說(shuō)出的語(yǔ)句一樣，這家公司的聲音識(shí)別技術(shù)也可以分辨出狗的叫聲和嬰兒的哭聲。

Audio Analytic首席執(zhí)行官克里斯·米切爾(Chris Mitchell)表示:“這相當(dāng)于一種語(yǔ)言模型，但它只適用于聲音。”

Audio Analytic公司的聲音識(shí)別AI系統(tǒng)AuditoryNET具有極其廣泛的用途。該公司正與德國(guó)耳機(jī)制造商Bragi合作，生產(chǎn)擁有AI支持功能的耳機(jī)，它可通過(guò)識(shí)別救護(hù)車的警報(bào)器，并提醒用戶其接近的方向，來(lái)優(yōu)先考慮用戶的安全。

米切爾說(shuō)，這個(gè)想法是為了保護(hù)用戶免受“各種危險(xiǎn)情況的傷害，因?yàn)槿藗冋屪约涸诔鞘欣锿耆?rdquo;。

Audio Analytic公司還將AuditoryNET嵌入到智能家居設(shè)備中，如Hive Home Hub 360，它可以檢測(cè)煙霧和一氧化碳探測(cè)器、吠叫的狗或窗戶被打破的聲音。AuditoryNET不需要互聯(lián)網(wǎng)連接就能運(yùn)行，這對(duì)注重隱私的人來(lái)說(shuō)是個(gè)好消息。

為了訓(xùn)練AuditoryNET的算法，Audio Analytic公司使用了世界上最大音頻數(shù)據(jù)收集平臺(tái)Alexandria提供的數(shù)據(jù)。米切爾說(shuō):“我們最近做的事情是繪制出我們整個(gè)聲音世界的地圖。”

圖2：Audio Analytic公司的聲音地圖包含600萬(wàn)份音頻文件，包括六種類型的餐廳窗戶玻璃碎裂的聲音。

Audio Analytic公司已經(jīng)創(chuàng)建了一個(gè)包含600多萬(wàn)個(gè)音頻文件的聲音地圖。它看起來(lái)就像是個(gè)彩虹蜂巢：在視覺上代表著相似的聲音聚集在一起的彩色塊，或稱為“色調(diào)島嶼”。

米切爾表示，通過(guò)調(diào)整音量，他們的技術(shù)可以識(shí)別出有細(xì)微差別的聲音。比如來(lái)自餐廳玻璃的破碎聲就有6種，其中由玻璃制成的層壓板的碎裂聲與其他聲音截然不同。

Alexandria的音頻樣本數(shù)據(jù)池必須從頭開始構(gòu)建。電影中常見的聲音是沒有用的，因?yàn)樗鼈儾⒉徽鎸?shí)。米切爾說(shuō)：“如果你去看最新的《復(fù)仇者聯(lián)盟》電影，我敢肯定綠巨人會(huì)把什么東西掉在車上。”

他說(shuō):“那個(gè)汽車警報(bào)器發(fā)出的聲音并不是真正的汽車警報(bào)器。”這種聲音將訓(xùn)練AI面對(duì)虛假的現(xiàn)實(shí)，通常是災(zāi)難性的，比如需要檢測(cè)是否有人闖入汽車。因此，該公司建立了自己的實(shí)驗(yàn)室來(lái)捕捉原始聲音，并派出團(tuán)隊(duì)在各種環(huán)境中錄制其他聲音。

他們甚至依靠志愿者網(wǎng)絡(luò)進(jìn)入聲音實(shí)驗(yàn)室，或者使用錄音機(jī)捕捉真實(shí)世界中的各種聲音。

Audio Analytic公司的未來(lái)計(jì)劃依然處于保密之中，但它的目標(biāo)十分明確，即繼續(xù)開發(fā)識(shí)別家庭內(nèi)外聲音的技術(shù)，包括那些聽起來(lái)像警報(bào)器的鳥鳴。(選自：WIRED作者：Will Bedingfield編譯：網(wǎng)易智能 參與：小小)