صدای جدید سیری
صدای جدید سیری، که اکنون در iOS 11 در دسترس است، گامی مهم در تکامل دستیارهای مجازی محسوب می‌شود. روش سنتی ایجاد گفتار مصنوعی که بر پایه کنار هم گذاشتن صداهای از پیش ضبط شده بود، جای خود را به رویکرد پیشرفته‌تر یادگیری ماشینی داده است.
اپل بیش از 20 ساعت را صرف ضبط یک صداپیشه جدید کرد و از کتابخانه‌ای گسترده از گفتار فیلمنامه‌ای از منابع مختلف، از جمله کتاب‌ها، شوخی‌ها و جلسات سؤال و جواب استفاده کرد. این داده‌های گفتاری سپس به قطعات صوتی بسیار ریز به نام “نیم فون” تقسیم شدند که حتی از “فون”های سنتی مورد استفاده در سنتز گفتار هم کوچکتر هستند.
این قطعات نیم فون سپس به یک مدل یادگیری ماشینی تغذیه شدند که قادر بود مناسب‌ترین صدا برای هر موقعیت را با در نظر گرفتن عواملی مانند شروع و پایان جمله، لحن و سرعت، تعیین کند. این رویکرد منجر به صدایی طبیعی‌تر می‌شود که ظرافت‌ها و ظرافت‌های گفتار انسانی را بازتولید می‌کند.
صدای جدید سیری نه تنها کمتر شبیه به ربات است، بلکه حس انرژی و شخصیت بیشتری را نیز منتقل می‌کند. کارشناسان گفتار حتی لهجه مشخصی از کالیفرنیا را در صدای جدید سیری شناسایی کرده‌اند که نشان از سطح بالای جزئیاتی است که با استفاده از فرآیند یادگیری ماشینی به دست آمده است.
