ONE is preparing: 01 / INITIALIZING MODEL ROUTER. Evaluating routing across providers.
Current state
01 / INITIALIZING MODEL ROUTER.

Evaluating routing across providers.

Start learning
← Mạng nơ-ron

AI Foundation

Mạng nơ-ron trong trợ lý giọng nói

Vietnamese onlyThe learning content is available in Vietnamese only. The surrounding interface follows your language.

Cách Google Assistant và Siri dùng mạng nơ-ron sâu để nhận diện giọng nói, giảm tỉ lệ lỗi từ hơn 23% xuống dưới 5%

lesson50 minMạng nơ-ronAI Foundation

Giới thiệu

“Hey Siri” — “OK Google”

Giọng của bạn → văn bản → hành động. Mạng nơ-ron ở mọi chặng.

Bạn nói vài từ — chỉ trong vài trăm mili-giây, điện thoại đã hiểu và phản hồi. Đằng sau sự nhanh nhạy đó là hàng loạt mạng nơ-ron sâu nối tiếp nhau, mỗi mạng làm một việc: nghe âm, hiểu nghĩa, tạo giọng trả lời.

Tỉ lệ lỗi từ trên 23% — cứ bốn từ sai một khi dùng mô hình thống kê HMM/GMM. Chuyển sang mạng nơ-ron sâu: tỉ lệ lỗi giảm xuống 4,9% — gần ngang khả năng của con người. Hơn 4,2 tỷ thiết bị có trợ lý giọng nói. Đã trở thành công cụ hàng ngày.

Biến giọng nói của một người bất kỳ thành văn bản chính xác trong thời gian thực là một bài toán cực khó:

Thách thứcVí dụ
Giọng không ai giống aiBắc, Trung, Nam, nam, nữ, già, trẻ — cùng một từ có thể phát âm theo hàng chục cách.
Tiếng ồn ở khắp nơiXe máy, TV, tiếng trẻ con — hệ thống phải “gạn đục” lấy đúng giọng nói.
Tốc độ khác nhauCó người nói chậm, có người nói rất nhanh. Hệ thống phải theo kịp mọi nhịp.
Độ trễ dưới 1 giâyQuá chậm là người dùng bỏ cuộc. Cần cân giữa chính xác và tốc độ.

Theo một câu thật đi qua hệ thống

Bạn nói “Hey Siri, đặt hẹn giờ 10 phút” — giọng của bạn đi qua sáu chặng. Mỗi chặng làm một việc.

Sáu chặng

1 / 6
  1. 1. 1 · Thu âm

    Bạn nói “Đặt hẹn giờ 10 phút”. Micro lấy mẫu 16.000 lần/giây, chuyển thành **32.000 con số** (khoảng 2 giây × 16.000 mẫu/giây). Mỗi con số là áp suất không khí tại một khoảnh khắc.

BướcKết quả
Văn bản“đặt hẹn giờ 10 phút”
Ý địnhđặt_hẹn_giờ
Tham sốthời_lượng = 10 phút
Hành độnghẹn_giờ.tạo(thời_lượng=600s)
Trả lời“Đã đặt hẹn giờ 10 phút.”

Toàn bộ sáu chặng — thường xong trong dưới 500 mili-giây. Bạn thường không nhận ra.

Thử thách kiểm tra hiểu biết

Siri nhận ra từ 'Hey Siri' ngay cả khi điện thoại nằm xa, tiếng ồn xung quanh nhiều. Điều gì quan trọng nhất giúp làm được chuyện đó?
Vì sao hệ thống hiện đại dùng NHIỀU mạng nơ-ron chuyên biệt thay vì một mạng duy nhất?

Thế giới có và không có mạng nơ-ron

Không có mạng nơ-ronCó mạng nơ-ron
Trợ lý giọng nóiSiri, Google Assistant gần như không tồn tạiHơn 4,2 tỷ thiết bị có trợ lý giọng nói
Giao tiếpGõ vẫn nhanh hơn nóiNói tự nhiên, máy hiểu ngay
Đời sốngLoa thông minh trở thành đồ chơi bất tiệnXe hơi tự lái hiểu lệnh bằng giọng
Trợ giúpNgười khiếm thị khó dùng điện thoại hơn nhiềuHỗ trợ người khiếm thị, người khuyết tật vận động

Nếu không có mạng nơ-ron sâu, trợ lý giọng nói sẽ vẫn dùng mô hình thống kê cũ với tỉ lệ lỗi hơn 20% — cứ 5 từ lại sai 1 từ. Trải nghiệm đó quá tệ để dùng hàng ngày.

3 điều cần nhớ

  • Trợ lý giọng nói không phải một mạng lớn — mà là nhiều mạng nối tiếp: nhận âm vị, ghép từ, hiểu ý định, tạo giọng trả lời.
  • Chuyển từ mô hình thống kê (HMM/GMM) sang mạng nơ-ron sâu đã giảm tỉ lệ lỗi từ trên 23% xuống dưới 5%.
  • Chạy mạng nơ-ron trực tiếp trên chip điện thoại (Neural Engine của Apple) giữ độ trễ thấp và bảo vệ riêng tư — âm thanh không cần rời máy.

Continue the path

Lesson 71 of 106