Siri lidera assistentes de voz em suporte a idiomas

Enquanto muitos pesquisadores de IA sugerem que a Siri está ficando para trás em relação a concorrentes como Google Assistant e Amazon Alexa, uma área em que o assistente de voz da Apple claramente tem a liderança sobre seus concorrentes é em seu suporte a idiomas extremamente amplo. Um novo relatório da Reuters observa que a Siri pode falar e entender 21 idiomas diferentes, com suporte a dialetos localizados para mais de 36 países no total. Em comparação, o Microsoft Cortana suporta apenas oito idiomas para 13 países, o Assistente do Google fala quatro, e a Alexa da Amazon é limitada apenas ao inglês e ao alemão.

A Reuters também observa que a Siri também estará adicionando suporte para o Shanghainês, um dialeto especial do Wu Chinês falado apenas ao redor de Xangai. Alex Acero, o chefe da equipe de fala da Apple para a Siri, explicou à Reuters o processo que a Apple utiliza para adicionar novo suporte a idiomas à Siri. Acero observa que eles começam trazendo pessoas para ler trechos em uma variedade de sotaques e dialetos, e então transcrevem esses trechos à mão para fornecer uma representação exata que o sistema pode comparar e aprender. Uma variedade de sons e vozes é utilizada para melhorar a qualidade do reconhecimento, e então um modelo de linguagem é construído para tentar prever sequências típicas de palavras.

A Apple então implementa o “modo de ditado” para capturar uma pequena porcentagem de gravações de áudio anonimizadas, completas com ruído de fundo e palavras murmuradas, que são transcritas por humanos, resultando em cerca de 50% de redução na taxa de erros no reconhecimento de fala. Uma vez que dados suficientes foram coletados, a Apple grava um ator de voz para falar pela Siri no novo idioma, e então lança o novo idioma com uma lista de respostas para o que a Apple espera ser as perguntas mais comuns. A Siri então aprende durante o uso no mundo real sobre o que os usuários perguntam, e a Apple ajusta a Siri continuamente para refinar o processo e melhorar a qualidade do reconhecimento de fala e das respostas, lançando atualizações a cada duas semanas.