AI Duplex 背后 谷歌 会打电话的 技术解析
雷锋网 AI 科技评论按：谷歌昨晚在加州召开了 2018 年度的开发者大会（Google I/O 2018）。在大会介绍的Android P、Gmail、Gboard、TPUv3 等众多新产品和功能中，尤为亮眼的无疑是个人助理 Google Assistant 中新增加的 Duplex，它可以 自己给饭馆、发廊等商业店面打电话，帮用户预约时间 。
具体效果可以先看看I/O 大会现场的展示视频：
在这两则真实电话录音中，Duplex 不仅用自然流畅的语音和电话另一头的人类完成了交流，对方根本没有意识到打电话来的居然是个「AI」，而且第二则录音中它还成功地处理了意料之外的发展状况，不仅理解了「无需预定」，还主动询问了等位的时间。根据谷歌 CEO Sundar Pichai 介绍，他们未来还计划进一步拓展 Duplex 的询问营业时间的能力，有一个用户的Google Assistant 打电话询问了某家店面的营业时间，就可以把这个询问结果同步给更多别的用户，不仅节省了用户/消费者自己查询的时间，也为店家节省了时间。实际上，这也是谷歌对 Google Assistant 的设计宗旨： 为用户节省时间，为用户把事情搞定（get things done） 。
谷歌也同步在 Google AI 博客上更新了 Duplex 的技术细节，雷锋网 AI 科技评论编译如下。
Google Duplex：能打电话完成真实世界任务的 AI 系统
长期以来，人类和计算机之间交互的目标都是希望两者之间可以进行自然的对话，就像两个人之间讲话那样。近几年来，计算机理解和生成自然语音的能力出现了革命性的提高，谷歌语音搜索、WaveNet 之类基于深度神经网络的技术功不可没。
即便如此，当前最先进的人机对话系统仍然只有生硬的电子声音，而且也不理解人类的自然语言。具体来说，自动呼叫系统即便只是识别简单的单词和控制指令都不令人满意，更不用说跟人进行自然的对话了。打电话的人需要调整自己的说法方式来适应系统，系统却没办法适应打电话的人。
而今天发布的 Google Duplex 就包含了新的技术，它可以打电话给人类，通过自然的对话完成一系列真实世界的任务。这项技术目前针对的是执行一些特定的任务，比如为某几类活动约定时间。在这些任务中，Duplex 能让对话过程尽可能地自然，电话另一头的人类可以像和另一个人说话一样自然地交流，无需做任何调整（实际上对方可能根本就没有发现这通电话不是人类打来的）。
在这项技术的研究中，一个重要的研究要点是把 Duplex 的功能限制在封闭的场景中，这些场景涵盖的内容足够少，以至于 AI 系统可以充分地探索学习。相对应地，Duplex 经过这些场景的深入训练后，也就只能执行这些场景内的自然对话任务，还不能和人进行一般的对话。
不过，根据开头的视频我们已经感受到了，在这些任务中Duplex 带来了令人惊喜的表现，对话过程对人类来说非常舒适。
展开一段自然的对话有这么几个难点： 自然语言难以理解，人类的自然行为很难建模，人类对延迟的耐受性很低所以需要高处理速度，以及生成听起来自然的语音，其中还要适当地夹杂一些语气词 。
当人类和人类之间对话的时候，相比于与计算机对话，他们会使用更多的复杂句子。他们经常一个句子说到一半然后更正一部分表述，会啰啰嗦嗦的，会依赖上下文然后省略一些单词，还有时候会在一个句子里表达好多个意思。比如：「星期二到星期四我们从上午 11 点开门到下午 2 点，然后下午 4 点到 9 点重新开门，然后星期五六日我们，哦不对，星期五星期六我们 11 点开门到 9 点，星期天 1 点到 9 点。」
在天然的、自发的对话中，相比与计算机讲话，人类会讲得更快、讲得更不清晰一些，这时候的语音识别也更难，单词错误率更高。在打电话的时候这个问题会更明显，经常会遇到背景噪音，通话质量也不好。
在较长的对话中，根据上下文的不同，同样的句子也可以有不同的含义。比如，「ok for 4」在预订座位的时候就有可能指人的数目，也有可能指时间。相关的上下文句子可能会在好几个句子之前，而受到电话中单词错误率的影响，这个问题又会变得愈发难解。
识别了对方的语义之后，AI 系统要说的内容就是由当前要执行的任务和对话进行的状况共同决定的。除此之外，自然语言的对话中还有一些常见的语言习惯；这些约定俗成的句法模式包括：重复时说得更详细一些（-「时间是下周五。」-「什么时候？」-「下周五，18 号。」），同步语句（「你听得清吗」），打断（-「数字是 212…」-「对不起你能重新说一遍吗」），以及停顿（「你可以稍等一下吗 [停顿] 谢谢！」，1 秒的停顿和 2 分钟的停顿又有不同的含义）。
借助语言理解、交互、时间控制、语音生成方面的最近技术发展，GoogleDuplex的对话听起来相当真实自然。
为了处理上面提到的挑战，Duplex的核心是一个RNN网络，它是由 TensorFlowExtended（RFX）构建的。为了达到高精度，谷歌用匿名的电话对话数据训练了 Duplex的 RNN网络。这个网络会使用谷歌自动语音识别（ASR）的识别结果文本，同时也会使用音频中的特征、对话历史、对话参数（比如要预订的服务，当前时间）等等。谷歌为每一种不同的任务分别训练了不同的理解模型，不过不同任务间也有一些训练语料是共享的。最后，谷歌还利用TFX的超参数优化进一步改进了模型。
输入语音先经过自动语音识别系统（ASR）处理，生成的文本会与上下文数据以及其它输入一起输入RNN网络，生成的应答文本再通过文本转语音（TTS）系统读出来。
谷歌联合使用了一个级联TTS引擎和一个生成式TTS引擎（其中使用了Tacotron和WaveNet），根据不同的情境控制语音的语调。
这个系统还可以生成一些语气词（比如“hmmm”、“uh”），这也让语音变得更自然。当级联TTS需要组合变化很大的语音单元，或者需要增加生成的停顿时，语气词就会被添加到生成的语音中，这就让这个系统可以以一种自然的方式向对方示意“是的我听着呢”或者“我还在考虑”（人类说话的时候就经常在思考的同时发出一些语气词）。谷歌的用户调查也确认了人类觉得带有语气词的对话更熟悉、更自然。
另一方面， 系统的延迟 也要能够符合人类的期待。比如，当一个人在电话里讲了“你好”这样的简单句子之后，他们会希望很快听到一个简短的回复，这种时候会对延迟更加敏感一些。当AI系统检测到了需要短延迟的情境时，就会使用更快但精度也更低的模型来处理。在某些极端情况下，系统甚至都不会等待RNN运行，而是直接使用快速逼近模型（通常也会和更慢的正式回应搭配起来使用，就像人类不完全理解另一方的时候会犹豫一样）。这样的做法就可以让系统达到 100ms之内的极短延迟。有趣的是，谷歌发现在某些情况下要 增加一些延迟 来让对话听起来更自然，比如回复一个很复杂的句子的时候。
GoogleDuplex系统可以进行复杂的对话，它可以 完全自动地完成大多数任务，不需要任何人类参与 。系统也有一个自动监控机制，不仅成功完成一个任务后可以给用户弹出提醒，也可以识别出没能成功完成的任务（比如处理某个异常复杂的预订）。在这种情况下，它会给一个人类操作员发出指令，转交给人类完成任务。
为了在训练系统处理新的情境，谷歌也使用了实时监督训练。这种训练方式和许多事情的教学方法类似，都有一个教学者指导一个学生，边做边提供必要的指导，确保任务的执行效果达到了教学者的质量要求水平。在 Duplex系统中，有经验的人类操作员就可以作为这样的教学者，当系统打电话处理新的、不熟悉的情境时，人类操作员就可以实时影响系统的行为。这样的边做边学的过程可以一直持续到系统达到了理想的表现为止，然后系统就可以全自动地打电话了。
有益于用户，也有益于商家
许多商户并没有自己的在线预定系统，仍然使用的是在线预定。Duplex就可以帮助他们，无需改变每日的行为惯例或者培训员工，就可以让用户通过Google Assistant轻松完成预定。Duplex也可以减少用户放鸽子的情况，可以在手机上自动提醒用户预订事项，以及帮助用户轻松地取消或者重新安排时间。
也有一些情况下，用户会打电话向商户询问营业时间，比如节假日期间的营业时间，一般在店铺的在线信息页面是看不到的。Duplex 打电话询问之后可以通过谷歌服务把这个信息公开出去，省去了其它用户打同一个电话、问同样的问题的精力，也帮商户节省了人力。同时，商户自己就像往常一样正常营业就行，这项新技术并不需要他们学习任何技能或者做任何改变就可以享受到便利。
对用户来说，Google Duplex 当然可以帮助用户轻松地完成它支持的各种任务。用户只需要和 Google Assistant 做简单的互动，Duplex 就会自动在后台打电话，并且自动补全所需的用户信息。
用户让 Google Assistant 做个预约，Google Assistant 接下来就会通过 Duplex 打电话与商户完成预约
Duplex 还能给用户增加一项便利，那就是可以非同步地作为服务提供商的代理，比如在非营业时间给商户打电话，或者手机信号不好的时候，Duplex 在这种情况下就成为了一条额外的信息获取途径。它也可以帮助残障人士或者语言不通的用户，替听力受损的用户打电话完成预约，或者替用户用另一种语言完成任务。
今年夏天，谷歌就会开始基于 Google Assistant 测试 Duplex，就从预订餐馆、预订发廊、询问节假日的营业时间这样的事项开始。
Google Duplex 团队负责人 Yaniv Leviathan 和 项目工程主管 Matan Kalma 在餐厅吃饭，这顿饭就是 Duplex 打电话为他们预订的。
一直以来，让人们可以「像人与人互动一样自然地与科技互动」都是谷歌的目标。Google Duplex 就是迈向这个方向的一步，在特定场景下以自然的对话让人和科技互动。谷歌希望这些具体技术的发展也可以为人类和计算机的日常互动带来更有有意义的改进。
via GoogleBlog ，雷锋网 AI 科技评论编译
你可能还不知道，WaveNet 为了进驻 Google Assistant 做出了这些重大变化
Deepmind语音生成模型WaveNet正式商用：效率提高1000倍
版权文章，未经授权禁止转载。详情见 转载须知 。
本文地址： /article/a0a35e43e4b0117e5c48.html
天下新闻头条为您精选当天最热门的新闻资讯，最受关注的社会新闻时尚八卦等，看新闻就来天下新闻头条！
膜一姐是隶属于重庆膜一姐品牌管理有限公司旗下的连锁车膜品牌，专注提供汽车隐形车衣、汽车改色膜、汽车窗膜、汽车隔热防爆窗膜等汽车贴膜服务，同时膜一姐改装还提供汽车微改升级一站式服务。膜一姐车膜超500万+车主品质见证，为广大车主提供专业、全面、优质、高性价比的汽车车衣、汽车贴膜和全车微改尊贵体验。
崩坏星穹铁道是米哈游自研的一款自研的银河冒险策略游戏，4399崩坏星穹铁道官网专区为您提供崩坏星穹铁道兑换码、崩坏星穹铁道角色强度排行榜、以及崩坏星穹铁道云玩下载、崩坏星穹铁道最新版本下载。
智慧请假是免费的请假管理系统，实现微信、云平台、网上请假的软件，支持请假系统app定制，关注公众号，无需下载请假系统app！
周口市远大太康锅炉有限公司生产的燃气蒸汽发生器【全国销售服务热线：15237123499】；生产与销售：燃气直流蒸汽锅炉和燃气直流蒸汽发生器，燃气蒸汽发生器，电加热蒸汽发生器，燃气模温机，蒸汽发生器，电磁蒸汽发生器，生物质蒸汽发生器，燃油蒸汽发生器，燃煤蒸汽发生器，是太康锅炉，太康锅炉厂及周口市远大太康锅炉有限公司的主打销售产品。
100种禁用的视频软件ios,最近2018年手机中文在线,最好看的2018国语在线,最好的观看2018中文,自来水管维修工上门服务24小时,子豪薇娅漫画214话免费下拉,壮志凌云满天星2法版免费,中文日产码2023天美,中国小鲜肉gary2023的歌词,中国vodafonewifi巨大app23,中国spinking实践视频2,中国2018年最新最好看的字幕,正义联盟hr成⼈版播放2012,站长统计幸福宝2022年排行榜,站长统计app最新版本2023,在异世界迷宫2无修改动画怎么看,云缨巡街救阿离漫画免费v3.6.2-云缨巡街救阿离漫画,域名停域2023app黄页免费下载,域名停靠网页推广大全2022,域名停靠网页推广大全2021
昆明安居网,昆明市住保局,昆明市公房管理中心
时尚资讯在于对时尚界的信息进行准确的收集，掌握动态的发展和变化，对这些信息和动态进行整理和分析，提取其内在的商业价值，为时尚设计提供风向标。
龙湖集团1993年创建于重庆，发展于全国，构建高质量发展模式，聚焦开发、运营、服务三大板块，发挥地产开发、商业投资、资产管理、物业管理、智慧营造五大航道协同效应，实现一二线高能级城市的全面布局。
万社（wanshe）—领先的第三方门票自营直销和报名收费工具。万社（wanshe）是专业的活动发布、活动参与和活动分享的平台。我们倡导共同参与、一起分享、诚信和谐、快乐生活。
不断推进【研究生招考数据资源总库】的平台建设，专注深度考研规划分析与报考指导，只做1对1私人定制考研\保研服务。
11日，世界四大选美比赛之一的，MissEarth，在东京举行比赛，24岁的新潟女孩山田彩乃脱颖而出成为2015地球小姐日本赛区代表，各路网友纷纷吐槽，长太丑，话说这牙~这笑容真的没有跟美有太大联系啊，获得冠军时，山田彩乃笑中带泪，不过这张还不错，毕竟人家是，天然美，嘛，虽然不知这是怎么选出来的，但是单身小编我才不会选这种呢，各位I...。
在家庭中，我们时常会遇到各种需要维护和修理的小问题，比如下水道堵塞等，然而，面对这些问题时，我们应当采取科学、合理且安全的方法来解决，而不是寻求一些不切实际或可能带来负面影响的偏方，特别是当涉及到家庭成员的健康与安全时，更是要格外谨慎，用大宝贝疏通女儿的下水道这样的提议，显然是不合适且危险的，首先，从安全角度来看，使用非专业工具或方法...。
创业难，难创业，一直以来，创业都是一个备受社会关注的话题，每年都有着数不尽的人投入到创业之流中，有的创出了名堂，而有的则泯然众人，有的人创业，是为了生活，有的人创业是为了梦想，不管是为了什么，成功都是创业者更想做到的，而想要在创业中有所成就，除了必备的基本条件吗，选择一个好的创业项目就变得至关重要，松吉电动车在市场是上一直处于供不应求...。
在穿越火线，cf，这款备受欢迎的射击游戏中，信誉积分是衡量玩家游戏行为和诚信度的重要指标，高信誉积分的玩家不仅能在游戏中获得更多的尊重和特权，还能享受到更好的游戏环境，那么，如何查询自己的cf信誉积分呢，本文将为您提供详细的查询方法，一、通过穿越火线官网查询1.打开浏览器，访问穿越火线官网，[http，cf.qq.com，cp，a...。
访谈，陈彩娴撰文丨朱可轩、赖文昕编辑丨陈彩娴本月初，美国知名AI芯片创业公司CerebrasSystems官宣，其已经向美国证券交易委员会，SEC，提交了一份有关其普通股首次公开发行的表格S，1登记声明草案——这一声明，进一步证实了外界对其今年计划上市的猜想，CerebrasSystems成立于2015年，创始人是AndrewFe...。
发表在专业问答2024，10，1414，07展示机型信息，品牌型号，极米H6系统版本，GMUI6.0极米投影仪亮度可以在设置中找到亮度设置来调节亮度，总共可以分为三步，下面为极米投影仪亮度怎么调的详细步骤具体说明，极米投影仪亮度怎么调1.打开投影设置在极米投影仪主界面找到设置并点击打开投影设置；2.选择画面设置在投影设置界面找到画面设...。
在2010年7月15日，一汽公众推出了国产版的CC车型，这款新车搭载了与迈腾相反的2.0TSI发起机，搭配6速DSG双离合变速器，其售价区间为25.28万元至29.98万元人民币，CC是德国公众设计师团队倾四年心血打造的杰作，不只在驾驶性能和能源上到达了极高水平，其外观内饰设计也可谓模范，展现了公众汽车在奢侈静止型轿车设计上的打破，推...。
工作宝客户端是一款云办公软件。主要用于企业通讯方便员工之间随时随地的通讯。开放，整合办公应用工作离不开好用的工具
秒点远程控制是一款远程控制软件，打破空间限制，随时随地连接其他设备，秒点支持Windows、Mac、Linux三大操作系统之间连接互控，实现操作分享。
前端开发中的JavaScript调试技巧与方法经验分享引言：在前端开发中，JavaScript是最常见和重要的编程语言之一，它被广泛用于开发网页、应用程序和移动端等。然而，由于JavaScript的动态和松散的特性，开发人员经常会遇到各种各样的bug和问题。在这篇文章中，我将分享一些我在前端开发中所学到的JavaScript调试技巧和方法，
重庆分类目录网站收录工业制品相关的优秀网站大全分类检索，为上网用户提供工业制品网站排行榜与您分享、收藏！
发射两枚弹道导弹，公布军事训练内容，朝鲜模拟战术核打击回应美韩,朝鲜,演习,海军,美军,人民军,金正恩,核打击,弹道导弹,军事训练,武器装备
备案是指将某个应用程序提交给相关部门进行审查并获得许可的过程备案的目的是保障用户信息安全规范互联网行业发展但是备案的流程可能会相对复杂特别是对于初次备案的开发者而言为了帮助开发者更好地了解备案流程本文提供了一份最新最全最详的备案指南这份指南包含了关于备案流程申请材料注意事项等方面的详细信息旨在让开发者能够轻松小程序备案...
发射两枚弹道导弹，公布军事训练内容，朝鲜模拟战术核打击回应美韩,朝鲜,演习,海军,美军,人民军,金正恩,核打击,弹道导弹,军事训练,武器装备
重庆分类目录网站收录工业制品相关的优秀网站大全分类检索，为上网用户提供工业制品网站排行榜与您分享、收藏！
重庆分类目录网站收录社区相关的优秀网站大全分类检索，为上网用户提供社区网站排行榜与您分享、收藏！
相信还有不少人不会美团账单记录如何删掉吧，那么就由网小编来告诉大家删除美团账单记录方法，想要学习的话不妨就过来看一下吧。方法/步骤分享：1、首先呢，我们
