GoogleはAIが音を聞く方法を再発明した

GoogleはAIが音声を聞く方法を再発明した：新しいS2R AIモデルはテキストのステップを完全に省略し、直接あなたの声から意味を理解するのです😳

「The Scream」が「screen」に変換されることはもうない。

アクセントやノイズで壊れる脆い音声アシスタントはもうない。

S2R（Speech-to-Retrieval）は、発話されたクエリを直接意味ベクトルに符号化する - 単語ではなく意図を一致させる。

結果は、17の言語でほぼ完全な文字起こしに匹敵する精度 - 単一の文字を書き留めることなく🤯

そして、これはAIが人間とコミュニケーションする方法に哲学的な変化をもたらします🤖

数十年間、AIは私たちが何と言っているかを聞こうとしてきた。

今、AIは私たちが何を意味しているかを理解しようとしている。

これが重要な理由はこちらです：

→ 設計によってエラーを防ぐ：繊細な文字起こしパイプラインを省略する。

→ より速く軽量：電話、ウェアラブル、リアルタイム音声検索に適している。

→ 包括的：低リソース言語でも同等の性能を発揮する。

→ プライベート：テキストログがないため、データ漏洩が少ない。

→ オープン：GoogleのオープンなSimple Voice Questionsデータセット（17言語）によってサポートされる。

より重要なのは、これが意図を優先したAIの始まりである。

ただ答えるのではなく、実行する音声。

「私にフライトを予約して」と言えば、エージェントが実行する。

または「その音は何？」と聞いて、電話が知っている。

それがS2Rが導く先、音声検索から音声インテリジェンスへ。

私たちはついに人間の言葉を話すAIの構築を目撃している。

日本語版は Ai 支援を使用しているため、小さな間違いが存在する可能性があることをご了承ください。

著者

Ai Base Network (ABN), ABN ASIAは、アカデミアに深く関わり、アメリカ、オランダ、ハンガリー、日本、韓国、シンガポール、ベトナムでの仕事経験を持つ人々によって設立されました。ABN ASIAは、学問とテクノロジーが機会と出会う場所です。最先端のソリューションと優れたソフトウェア開発サービスにより、ビジネスがレベルアップし、グローバルシーンに挑戦できるよう支援しています。私ちの取り組み: より速く。より良い。より信頼性が高くなります。ほとんどの場合、価格も安くなります。

いつでも、ITサービス、デジタルコンサルティング、既製のソフトウェアソリューション、または提案依頼書（RFP）をお探しの際は、お気軽にお問い合わせください。お問い合わせ先は[email protected]です。お客様のテクノロジーに関するニーズにお応えします。