虫洞译科技｜ 说 “走” 就走！

如今一款叫 Mole Madness 的视频游戏即将面世，孩子们只需要说两个字—— “跳” 和 “走” 就能控制。这需要由迪士尼的研究人员设计一个能够分辨重叠声音、社会流行用语和幼儿的创意发音的语音技术系统，才能让该游戏成功运作。

由迪士尼开发的关键字识别系统会使这个游戏应用有更好的体验效果。因为商业语音识别系统主要是识别来自成人的语音，也因此，不能准确的辨识孩子们的声音。

迪士尼研究院的高级研究科学家 Jill Fain Lehman 说：“该系统的反应速度和准确度，可以帮助孩子们享受快速的游戏节奏，和体验一个多玩家的游戏”。

迪士尼研究院副总裁 Jessica Hodgins 说：“语音识别应用的技术已经成熟，也变得越来越平常，但要在孩子们玩耍的时候了解他们说什么仍然很困难。因此当我们的最新工作完善后，研究人员可以设计任何数量以语音为基础的游戏，也包括与机器人的互动。”

Lehman 和她的同事们 Nikolas Wolfe、Andre Pereira，将要在9月6-7日在三藩举办的“孩子与计算机互动”专题讨论会，和9月20-23日在洛杉矶的智能虚拟代理国际会议上发表他们的作品。

Lehman 说：“一般情况下，孩子们的发音不会像大人那样准确清楚。当他们在玩耍时、做他们喜欢的事情时，他们会更兴奋也更开心，因此发音会更加难以识别。他们也会有自己的内部笑话，会大喊大叫或直接覆盖别人的声音。因此，语音系统想要辨别出孩子们的声音会更加困难，即使只是想要检测“走” 和 “跳” 这两个字，普通的语音系统也很难办到”。

在共同合作的游戏中，玩家们必须移动一个动漫鼹鼠，在这游戏环境中一边避免障碍，一边收集奖励。要平行的移动鼹鼠，一个玩家就要说 “走”，而另一个玩家如要将鼹鼠垂直移动，就得说 “跳”。玩家经常会同时下达他们的命令。在其他情况下，他们也会陈述给对方，如“先不要说 ’走’，”也可能会误导系统。有时候，他们只是在观察，如 “他很有趣”。他们也有时说话很快，或者说得慢一点，或者改变发音成 “g-g-g-g-go” 在努力的对游戏施加更大的控制权。

为了完善自己的关键词识别系统，研究人员让62名年龄在5-10岁的孩子们玩游戏。他们被分成两大组进行对比试验，第一大组是由孩子两两配对形成，另一大组是由孩子与一个名叫 Sammy 的机器人配对形成。每一组别将会通过人为控制及系统识别两类测试。人类的 “向导” 会在另一个房间听他们的对话——试图辨别他们所说的每一个“走”和“跳”字，并准确按到相应的控制按钮，以控制游戏。而语音系统则会自动识别孩子们在游戏中喊出来的文字。通过两类测试，他们可以收集到不同数据，根据数据分析，人为识别“去”和“跳”两字通常需要用时约300毫秒，但该系统却可以使用150毫秒的窗口，以提高游戏反应速度，从而使游戏更加灵敏流畅、更加引人注目。

总体而言，使用该系统来识别的关键字的准确性为85%。在两两配对的组别中，几乎40%的词会重叠，而在人机配对的组别中重叠率为26%。孩子们在和机器人玩时，会说得比正常语速快32%。

关键词语音识别系统会比一个商业的连续语音识别系统准确35%。商业的连续语音识别系统很难识别单字“走”、重叠语音和快速语音。

当24名年龄在4-9岁的孩子随后加入至游戏的测试后，系统识别“跳”字也有一些困难。但大多数的孩子为了使游戏继续进行，会更清楚的发音或重复命令。

虽然关键词系统并不完美，但它还是比人类向导更快的响应，使游戏体验更加流畅。当三个幼儿的母亲评估视频和每个玩家对游戏的参与度时，她们认为当人类向导控制游戏时，孩子们对该游戏的热情参与度并不十分高涨，但如果该游戏完全由系统控制，孩子们却会完完全全在被游戏吸引，热情度极高。

最后，Lehman 说：“这项技术同样可以应用在其他词汇上，使设计人员和开发人员建立新的儿童的应用程序”。

本文出自：PHYS.ORG，2016年9月6日

编译者：萧庆铃

·行业基金+孵化器

—行业基金—

发挥传统线下行业资源优势，

老行业人投新行业人，老行业人帮新行业人；

投资资金，更投资行业渠道资源，

帮助创业团队快速成长；

回报的不仅是收益，

更有行业资源的增值变现以及自身的升级转型；

—孵化器—

综合类项目孵化平台

公司注册地址、集中办公区、办公位；

联合腾讯、九鼎等举办项目路演，

公开课、分享会、BP打磨、沙龙等品牌活动；

从创业辅导到品牌传播等十项免费服务，

从公司设立到技术开发等九项增值服务；

融资实务、项目拆解、游学、农业第六产业化等八大板块课程。

—垂直孵化—

农创空间：“互联网+农业”的农业全产业链项目孵化平台。

天品虫洞高分子孵化器：高分子材料成果转化孵化平台。