Reconnaître des mots parlés avec peu d'enregistrements
Quatre mots de commande (go, up, no et on) reconnus à partir de courts enregistrements. Des mots brefs, et deux qui se ressemblent beaucoup.
Des mots courts, donc difficiles
Une commande vocale dure à peine une demi-seconde. Il y a peu de son à analyser, et la moindre voix, le moindre bruit de fond pèsent lourd.
Le vocabulaire du projet ajoute une difficulté : « no » et « on » utilisent presque les mêmes sons, dans un ordre différent, et « go » rime avec « no ». Un modèle doit donc écouter l'ordre des sons, pas seulement leur présence.
Peu d'enregistrements, une méthode
Quand les enregistrements sont rares, nous les multiplions sans rien inventer : le même mot est légèrement décalé, plus ou moins bruité ou plus ou moins fort. Le modèle apprend ainsi ce qui ne change pas d'une voix à l'autre.
Nous gardons à part des voix que le modèle n'a jamais entendues, pour mesurer honnêtement s'il reconnaîtra la personne suivante.
Une machine commandée à la voix doit d'abord savoir ne pas obéir.
Savoir s'abstenir
En service, un modèle de commandes vocales doit savoir dire qu'il n'est pas sûr. Un mot hors de son vocabulaire, ou prononcé dans le bruit, ne doit rien déclencher. Nous fixons un niveau de confiance en dessous duquel il ne fait rien, et chaque décision est notée.
À retenir
- Les mots brefs et proches demandent d'écouter l'ordre des sons.
- Peu d'enregistrements se compensent par des variations réalistes.
- En service, s'abstenir quand on n'est pas sûr est une fonction, pas un défaut.