MIT 语音名称系统
计算与语言
2022-04-21 v1 人工智能
人机交互
音频与语音处理
摘要
本 RFC 白皮书总结了我们在 MIT 语音名称系统（VNS）和 Huey 上的进展。VNS 在名称和功能上类似于 DNS，是一个用于保留和使用“唤醒词”来激活人工智能（AI）设备的系统。正如你可以说“Hey Siri”来激活 Apple 的个人助手，我们提议在智能音箱和其他设备中使用 VNS，基于诸如“turn off”、“open grocery shopping list”或“271, start flash card review of my computer vision class”等命令来路由唤醒请求。我们还引入了 Huey，一种用于与 AI 设备交互的无歧义自然语言。我们旨在将语音交互标准化到与其他系统（如电话号码——具有全球约定的分配和使用号码方法，或互联网的 DNS——具有标准命名系统，已助力包括万维网、FTP 和电子邮件在内的流行服务蓬勃发展）相类似的普适范围。正如这些标准是“中立”的，我们也旨在赋予 VNS“唤醒中立性”，使每个参与者都能开发自己的数字语音。我们以语音作为与任何 IoT 对象对话的起点，并简要说明 VNS 如何扩展到其他 AI 技术以实现人—机对话（实为机—机对话），包括计算机视觉或神经接口。我们还简要描述了更广泛标准集 MIT Open AI（MOA）的考量，包括一个参考架构，作为开发具有标准“唤醒词”、NLP 命令（如“Shopping Lists”或“Flash Card Reviews”）以及个性（如 Pi 或 271）的通用对话商务基础设施的起点。由于语音转文本错误以及语音样本中包含的大量个人信息，隐私和安全是被考虑的关键要素。
引用
@article{arxiv.2204.09657,
title = {The MIT Voice Name System},
author = {Brian Subirana and Harry Levinson and Ferran Hueto and Prithvi Rajasekaran and Alexander Gaidis and Esteve Tarragó and Peter Oliveira-Soens},
journal= {arXiv preprint arXiv:2204.09657},
year = {2022}
}
备注
White Paper