Обучение голосовых ассистентов¶
Обучение голосовых ассистентов — процесс адаптации программного обеспечения распознавания и генерации речи к конкретным пользовательским сценариям, включая формирование словаря, стилей общения и реакций на нестандартные запросы. В российской практике наиболее известным примером является голосовой помощник «Алиса» компании «Яндекс», работающий на базе нейросетевых моделей распознавания речи (ASR) и синтеза речи (TTS).
¶Принципы работы голосовых ассистентов
Голосовой ассистент представляет собой конвейер обработки речи. Система распознавания преобразует звуковой сигнал в текст, естественно-языковой модуль определяет намерение пользователя, а генератор ответа формирует реплику, которую озвучивает синтезатор речи. Качество взаимодействия определяется тремя факторами:
- точностью распознавания разговорной речи, включая сокращения, жаргон и ненормативную лексику;
- глубиной понимания контекста диалога;
- выразительностью синтезированной речи.
«Алиса» обучена на больших массивах разговорных данных, однако её поведение в нештатных ситуациях — например, при использовании ненормативной лексики — определяется правилами модерации и фильтрации, заложенными разработчиками.
¶Модерация речи в коммерческих ассистентах
Коммерческие голосовые помощники, как правило, работают в рамках политик приличия. Ненормативная лексика фильтруется на нескольких уровнях:
- Уровень распознавания. Модель ASR может распознавать нецензурные слова, но результат подвергается постобработке: такие слова заменяются на нейтральные эквиваленты или пропускаются.
- Уровень понимания. Система намерений может не сопоставлять нецензурные реплики с каким-либо действием и отвечать стандартной заглушкой.
- Уровень генерации. Синтезатор речи обучен не воспроизводить ненормативную лексику в ответах, даже если пользователь её использует.
Политика фильтрации является частью бренда: разработчики позиционируют ассистента как помощника для всей семьи, поэтому ограничения на нецензурную лексику закреплены на уровне продукта, а не только на уровне модели.
¶Технические ограничения
Даже при желании пользователя «научить» ассистента нецензурной лексике возникают несколько технических барьеров:
- Отсутствие пользовательского дообучения. «Алиса» не предоставляет публичного механизма дообучения на пользовательских данных. Параметры нейросети фиксированы и обновляются централизованно.
- Закрытая архитектура. Пользователь не имеет доступа к внутренним моделям и не может изменять правила фильтрации.
- Обновления облака. Основная логика работает на серверах «Яндекса», поэтому локальные модификации устройства не влияют на поведение ассистента.
Возможные обходные пути, описываемые в пользовательских сообществах, — например, создание навыков («сценариев») на платформе «Яндекс Диалогов» — формально позволяют задавать произвольные ответы, но публикация навыков с нецензурным содержанием противоречит правилам платформы и приводит к блокировке.
¶Открытые системы и локальные модели
Альтернативой коммерческим ассистентам являются открытые системы, работающие локально. К ним относятся:
- Mycroft — открытый голосовой ассистент с модульной архитектурой;
- Rhasspy — фреймворк для построения локальных ассистентов;
- Home Assistant с интеграцией локальных моделей распознавания речи.
На таких системах пользователь контролирует словарь и правила генерации, включая возможность использовать любую лексику. Однако качество распознавания и выразительность синтеза уступают облачным решениям.
¶Правовые и этические аспекты
В Российской Федерации распространение нецензурной лексики в публичных сервисах регулируется законодательством о рекламе, защите детей от информации, причиняющей вред их здоровью и развитию, и нормами об ответственности за оскорбления. Разработчики коммерческих ассистентов учитывают эти ограничения при проектировании политик модерации.
¶Интересные факты
- «Алиса» была запущена в октябре 2017 года и с тех пор прошла несколько поколений моделей распознавания и синтеза речи.
- В 2022 году «Яндекс» представил обновлённую версию ассистента с улучшенным пониманием контекста диалога.
- Среди пользовательских сценариев «Алисы» — не только умный дом, но и развлекательные функции, включая игры и совместное творчество.
¶Источники
- Документация «Яндекс» по голосовому помощнику «Алиса»
- Технические статьи о системах распознавания и синтеза речи
- Правила платформы «Яндекс Диалогов»
- Материалы о работе открытых голосовых ассистентов