Siri 這個功能對於很多人來說並不陌生，一句簡單的「嘿Siri」就可以將其啟動，讓它為你查天氣，查日程，甚至可以「調戲」它。但你不知道的是，簡單的「嘿Siri」背後其實一點也不簡單，Siri 背後隱藏了非常多的努力與心思。
蘋果今天在公司機器學習的部落格上發布了一篇新文章，詳細介紹了硬體、軟體和網路服務如何結合在一起，在最新的iPhone和iPad Pro上實現「嘿Siri」的功能。文章內容較為專業，極客公園進行了編譯和刪減，為大家介紹「嘿Siri」的基本原理。
「分數」及格才能使用Siri
蘋果在運動協處理器中集成了非常小的語音辨識裝置，這個裝置一直保持運行，並等待用戶說出「嘿Siri」。當該裝置辨識到這兩個單詞後，iPhone 或Apple Watch 上的麥克風會以每秒1.6 萬次的速度將你的聲音轉化為一連串的瞬時波形樣本。每次將大約0.2 秒的音頻輸入到聲學模型，神經網絡會將這些聲學模型轉換為概率分佈，並使用時間集成來計算「嘿Siri」的可信度分數。
蘋果已經設定了可信度分數的幾個敏感閾值，如果分數足夠高，Siri 就被啟動，並開始處理用戶的命令或查詢。如果分數超過了最低閾值，但沒有達到啟動的閾值，比如「嘿Siri」的發音並不是很清楚，這時設備會在幾秒鐘進入「敏感模式」，這樣當用戶再次重複「嘿Siri」時，可以更好的啟動，敏感模式的加入大大改善了Siri 的可用性。當然如果信度分數連最低閾值都沒有超過，Siri 根本就不會「搭理」你。
準確辨識你的「嘿Siri」
為了減少或者說意外啟動Siri，蘋果在邀請用戶進行初始化「嘿Siri」的時候，會要求我們連續說五次「嘿Siri」，在初始化完成後，我們的聲音會轉化成波形並送達到Siri 的服務器裡。與此同時，蘋果還制定了一些與語音相關的規範，發音接近Siri 的「Syria」(敘利亞) 和「serious」(嚴肅的) 等詞語將被放在上下文中進行辨識。
這一方式不僅提高了啟動Siri 的成功率，同時還有效的避免其他人誤開Siri。而在之後的使用過程中，蘋果會記錄不同環境中遠近啟動「嘿Siri」的情況，比如在廚房裡、車裡、臥室裡等等。
並不是一直等你「嘿Siri」
而Apple Watch 在整合Siri 時遇到的困難更大一些，因為它的電池容量和處理能力都相對更小。為了避開這些問題，Apple Watch 的「嘿Siri」檢測器只有在手錶啟動時才會運行，它可以檢測到手腕抬起的手勢。只有用戶做出這樣的手勢，手錶才會打開屏幕，之後啟動Siri。
其實Siri 誕生以來，每一次隨著蘋果系統的更新，Siri 同樣也會獲得更多的進步。就像這一次隨著iOS 11 系統的到來，我們也看到Siri 獲得了不少的改進。比如說獲得了短語翻譯的功能、可以化身成為個人DJ 、用戶界面的改進等等，而在這些改進的背後隱藏著很多的努力與心思。
圖片來源：Apple 官網；編輯：雙筒獵槍
（原文刊登於極客公園，蘋果仁授權轉載）
