在苹果机器学习博客的最新一篇文章中，苹果音频软件工程团队解释了智能扬声器语音检测遇到的挑战，以及如何使用在HomePod A8芯片上运行的机器学习模型来帮助提高远场精度。
HomePod必须能够在播放嘈杂的音乐时保持识别精度，即使在说话的人离它很远时，也能够精确识别命令，将用户的指令和房间内的其他声音隔离开来，比如电视或者嘈杂的设备等等。
和以往一样，这篇博文的目标读者是其他工程师和科学家，其中使用了非常专业的语言。文中的要点是HomePod使用自定义多通道过滤来消除回声和背景噪音，而非监督学习模型则只关注当房间里有多人说话时说“嘿，Siri”的人。
这篇博文有很多数学公式来解释这个系统的机制，以及他们成功的测试结果。苹果公司说，多通道声音处理器只使用了HomePod内部的A8芯片不到15%的单核性能，这一点很重要，因为该团队一直在优化能源效率。
本文由LinkNemo爬虫[Echo]采集自[https://www.ithome.com/0/398/375.htm]
