Waarom 2017 het Jaar van Steminterfaces Werd

In de afgelopen jaren hebben doorbraken in automatische spraakherkenning (ASR) stemmen van een gimmick veranderd in een primaire interface voor talloze apparaten. IEEE Spectrum noemde 2017 het "jaar van spraakherkenning", en ZDNet rapporteerde van de CES dat stem de volgende grote computerinterface is. Hier is een overzicht van het huidige stem-ecosysteem en de technologieën die het aandraven.

Hoeveel van uw apparaten spreken met u?
Stemactivatie is nu alomtegenwoordig. Elke flagship-smartphone – iPhone 7, Galaxy S7 – wordt geleverd met always-on stemassistenten, net als smartwatches, wearables en hearables zoals Apple AirPods en Samsung Gear IconX. Veel apparaten missen een traditionele UI, waardoor stem de enige praktische manier is om te interageren. Nieuwe camera's (bijv. GoPro Hero 5) accepteren stemcommando's voor hands-free selfies, en auto-infotainmentsystemen hebben stemgestuurde audio de norm gemaakt voor veiliger rijden.

De Amazon Echo ontplofte de conversational assistant boom. Alexa, Amazons stemdienst, wordt geleverd met tientallen ingebouwde skills – grapjes, sportscores, filmtrivia – en een hoop Easter eggs. Ontwikkelaars kunnen Alexa's mogelijkheden uitbreiden met de Alexa Skills Kit (ASK). Een hobbyist maakte bijvoorbeeld zijn iRobot Roomba stemgestuurd door een custom skill te creëren. Alexa stuurt ook praktische diensten zoals eten bestellen, ritten boeken en slimme huishoudapparaten van Whirlpool, GE en anderen bedienen.

Amazon leidt nog steeds de markt, maar concurrenten sluiten de kloof. Facebook huurde Morgan Freeman als stem van hun AI-assistent, die Zuckerberg over een jaar bouwde en "Jarvis" noemt. Het systeem kan gebruikers identificeren aan hun stem, gezichten herkennen en veilige toegang tot een huis verlenen. In Japan biedt Gatebox een holografische assistente genaamd Azuma Hikari, die een speaker, projector, camera en bewegingsensoren combineert voor een meer immersieve ervaring.

Hoe werkt far-field stemopname?
Gesproken commando's begrijpen terwijl achtergrondmuziek speelt – of aan de andere kant van de kamer – vereist verschillende geavanceerde technologieën:

Deep learning aandrijft moderne ASR. Neurale netwerken getraind op massive datasets presteren nu gelijk aan of beter dan mensen in spraak- en visuele herkenning. Eenmaal getraind, draaien de modellen in realtime op apparaathardware.

Adaptieve beamforming verbetert betrouwbaarheid door te focussen op de richting van de spreker. Apparaten als de Echo gebruiken een hexagonale microphone-array (zeven mics) om signaalaankomsttijden te detecteren, een bewegende spreker te tracken en meerdere stemmen te scheiden.

Beamforming met een hexagonale microphone-array (Bron: CEVA)

Acoustische echo-cancelling verwijdert de eigen audio van het apparaat (muziek, gesproken antwoorden) zodat het nog steeds kan luisteren naar gebruikerscommando's. Het systeem modelleert het geluid dat het genereert, ofwel door outputdata te analyseren of door een dedicate microfoon te gebruiken, en trekt het af van het inkomende signaal. Dit stelt gebruikers in staat om te interrumperen ("barge-in") zelfs terwijl muziek speelt.

Acoustische echo-cancelling (Bron: CEVA)

Extra echo-reductietechnieken, zoals dereverberatie, filteren onvoorspelbare reflecties van muren en andere oppervlakken uit, zodat de ASR-engine een schone stemmonster ontvangt.

Tegenwoordige steminterfaces evolueren nog steeds
Hoewel 2017 een belangrijke mijlpaal markeert in stemadoptie, blijven veel uitdagingen bestaan – latentie, contextbewustzijn, multi-spreker ondersteuning en privacy. Ik zal deze tekortkomingen in een toekomstige post verkennen, dus blijf op de hoogte.

Eran Belaish is Product Marketing Manager voor CEVA's audio- en stemportfolio, ontwikkelend oplossingen van stemtriggering tot draadloze audio. Wanneer hij niet gedoken is in geluidstechnologie, geniet hij van freediving in stille, onderwater werelden.