Our goal in Speech Technology Resea

Our goal in Speech Technology Research is twofold: to make speaking to your phones and computers ubiquitous and seamless, and to help make videos on the web accessible and searchable.

Our research focuses on what makes Google unique: computing scale and data. Using large scale computing resources pushes us to rethink the architecture and algorithms of speech recognition, and experiment with the kind of methods that have in the past been considered prohibitively expensive. We also look at parallelism and cluster computing in a new light to change the way experiments are run, algorithms are developed and research is conducted. The field of of speech recognition is data-hungry, and using more and more data to tackle a problem tends to help performance but poses new challenges: how do you deal with data overload? How do you leverage unsupervised and semi-supervised techniques at scale? Which class of algorithms merely compensate for lack of data and which scale well with the task at hand? Increasingly, we find that the answers to these questions are surprising, and steer the whole field into directions that would never have been considered, were it not for the availability of significantly higher orders of magnitude of data.

We are also in a unique position to deliver very user-centric research. Researchers have the wealth of millions of users talking to Voice Search or the Android Voice Input every day, and can conduct live experiments to test and benchmark new algorithms directly in a realistic controlled environment. Whether these are algorithmic performance improvements or user experience and human-computer interaction studies, we keep our users very close to make sure we solve real problems and have real impact.

We have a huge commitment to the diversity of our users, and have made it a priority to deliver the best performance to every language on the planet. We currently have systems operating in more than 25 languages and we keep expanding our reach to more and more users. The challenges of internationalizing at scale is immense and rewarding. Many speakers of the languages we reach never had the experience of speaking to a computer before, and breaking this new ground brings up new research on how to better serve this wide variety of users. Combined with the unprecedented translation capabilities of Google Translate, we are now at the forefront of research in speech-to-speech translation and one step closer to a universal translator.

In terms of a challenge, indexing and transcribing the web’s audio content is nothing short of gargantuan, both in scope and difficulty. The videos uploaded every day on YouTube range from lectures, to newscasts, music videos and of course... cat videos. Making sense of them takes the challenges of noise robustness, music recognition, speaker segmentation, language detection to new levels of difficulty. The payoff is immense: imagine making every lecture on the web accessible to every language; this is the kind of impact we are striving for.

ผลลัพธ์ (ไทย) 2:

เป้าหมายของเราในการวิจัยเทคโนโลยีเสียงพูดเป็นสองเท่า: เพื่อให้การพูดถึงโทรศัพท์มือถือและเครื่องคอมพิวเตอร์ของคุณที่แพร่หลายและราบรื่นและเพื่อช่วยให้วิดีโอบนเว็บที่สามารถเข้าถึงและค้นหา. การวิจัยของเรามุ่งเน้นไปที่สิ่งที่ทำให้ Google ไม่ซ้ำกัน: ขนาดคอมพิวเตอร์และข้อมูล การใช้ทรัพยากรคอมพิวเตอร์ขนาดใหญ่ผลักเราจะคิดใหม่สถาปัตยกรรมและขั้นตอนวิธีการรู้จำเสียงพูดและการทดสอบด้วยชนิดของวิธีการที่มีในอดีตที่ผ่านมาได้รับการพิจารณาราคาแพง นอกจากนี้เรายังมองไปที่ความเท่าเทียมและคอมพิวเตอร์คลัสเตอร์ในมุมมองใหม่ที่จะเปลี่ยนวิธีการทดลองจะดำเนินการในขั้นตอนวิธีการที่มีการพัฒนาและการวิจัยจะดำเนินการ ด้านของการรู้จำเสียงพูดเป็นข้อมูลที่หิวและการใช้ข้อมูลที่มากขึ้นและมากขึ้นในการจัดการปัญหามีแนวโน้มที่จะช่วยให้ผลการดำเนินงาน แต่ความท้าทายใหม่: วิธีที่คุณจัดการกับการโอเวอร์โหลดข้อมูล? คุณจะทำอย่างไรใช้ประโยชน์จากเทคนิคการใกล้ชิดและกึ่งภายใต้การดูแลในระดับ? ซึ่งระดับของขั้นตอนวิธีเพียงชดเชยการขาดข้อมูลและระดับดีกับงานที่อยู่ในมือ? เพิ่มมากขึ้นเราจะพบว่าคำตอบสำหรับคำถามเหล่านี้เป็นที่น่าแปลกใจและคัดท้ายทั้งสนามลงไปในทิศทางที่จะไม่ได้รับการพิจารณาเป็นไม่ได้สำหรับความพร้อมของการสั่งซื้อที่สูงขึ้นอย่างมีนัยสำคัญของขนาดของข้อมูล. นอกจากนี้เรายังอยู่ในตำแหน่งที่ไม่ซ้ำกัน ส่งมอบงานวิจัยผู้ใช้เป็นศูนย์กลางมาก นักวิจัยมีความมั่งคั่งของผู้ใช้นับล้านพูดคุยกับการค้นหาด้วยเสียงหรือ Android เสียงการป้อนข้อมูลทุกวันและสามารถดำเนินการทดลองการถ่ายทอดสดในการทดสอบและขั้นตอนวิธีการใหม่มาตรฐานโดยตรงในการควบคุมสภาพแวดล้อมที่สมจริง ไม่ว่าจะเป็นเหล่านี้มีการปรับปรุงประสิทธิภาพการทำงานของอัลกอริทึมหรือประสบการณ์ของผู้ใช้และคอมพิวเตอร์ปฏิสัมพันธ์ของมนุษย์การศึกษาเราให้ผู้ใช้ของเราอย่างใกล้ชิดเพื่อให้แน่ใจว่าเราแก้ปัญหาที่เกิดขึ้นจริงและมีผลกระทบที่แท้จริง. เรามีความมุ่งมั่นอย่างมากที่จะมีความหลากหลายของผู้ใช้ของเราและได้ทำให้มัน มีความสำคัญในการส่งมอบประสิทธิภาพที่ดีที่สุดให้กับทุกภาษาในโลก ขณะนี้เรามีระบบปฏิบัติการในกว่า 25 ภาษาและเราให้การขยายการเข้าถึงของเรากับผู้ใช้มากขึ้น ความท้าทายของการในระดับสากลเป็นใหญ่และคุ้มค่า ลำโพงหลายภาษาที่เราไปถึงไม่เคยมีประสบการณ์ในการพูดกับคอมพิวเตอร์ก่อนและทำลายพื้นใหม่นี้จะทำให้งานวิจัยใหม่เกี่ยวกับวิธีการที่ดีกว่านี้ให้บริการที่หลากหลายของผู้ใช้ บวกกับความสามารถในการแปลเป็นประวัติการณ์ของ Google Translate เราตอนนี้อยู่ในระดับแนวหน้าของการวิจัยในการแปลคำพูดเป็นคำพูดและขั้นตอนหนึ่งที่ใกล้ชิดกับนักแปลสากล. ในแง่ของความท้าทายทำดัชนีและการถ่ายทอดเสียงเนื้อหาเว็บคืออะไรสั้น ๆ ของใหญ่ทั้งในขอบเขตและความยากลำบาก วิดีโอที่อัปโหลดทุกวันในช่วง YouTube จากการบรรยายในการแถลงข่าววิดีโอเพลงและแน่นอน ... วิดีโอแมว ทำให้ความรู้สึกของพวกเขาใช้เวลากับความท้าทายความทนทานของเสียงเพลงยอมรับการแบ่งส่วนลำโพงตรวจหาภาษาไปสู่ระดับใหม่ของความยากลำบาก ผลตอบแทนที่เป็นใหญ่: จินตนาการการบรรยายบนเว็บที่สามารถเข้าถึงทุกภาษาทุก นี้เป็นชนิดของผลกระทบที่เราจะมุ่งมั่นในการ

ผลลัพธ์ (ไทย) 3:

เป้าหมายของเราในการวิจัยเทคโนโลยีเสียงพูดเป็นสองเท่า : ให้พูดกับโทรศัพท์ของคุณและคอมพิวเตอร์ที่แพร่หลายและราบรื่น และช่วยทำวิดีโอบนเว็บที่สามารถเข้าถึงและค้นหา

การวิจัยของเราเน้นสิ่งที่ทำให้ Google เฉพาะ : ขนาดการประมวลผลข้อมูล การใช้ทรัพยากรคอมพิวเตอร์ขนาดใหญ่ ผลักดันเรา ให้ทบทวนสถาปัตยกรรมและขั้นตอนวิธีของการพูดการรับรู้และทดลองกับชนิดของวิธีการที่ในอดีตถูกถือว่าแพง . เรายังมองความขนานและกลุ่มคอมพิวเตอร์ในที่มีแสงใหม่ที่จะเปลี่ยนวิธีที่ทดสอบจะใช้ขั้นตอนวิธีที่มีการพัฒนาและการวิจัยดำเนินการ ด้านการพูดการรับรู้ข้อมูลที่หิวและใช้มากขึ้นและข้อมูลเพิ่มเติมเพื่อแก้ไขปัญหามีแนวโน้มที่จะช่วย แต่ poses ความท้าทายใหม่ : อย่างไรคุณจัดการกับระบบข้อมูล นายประโยชน์และเทคนิคในระดับกึ่ง unsupervised มี ? ซึ่งระดับของขั้นตอนวิธีเพียงชดเชยการขาดของข้อมูล ซึ่งขนาดกับงานในมือ มากขึ้น เราพบว่า คำตอบของคำถามเหล่านี้มีที่น่าประหลาดใจและคัดท้ายสนามทั้งในเส้นทางที่ไม่เคยได้รับการพิจารณาเลย ถ้าไม่มีความพร้อมใช้งานของคำสั่งสูงกว่าขนาดของข้อมูล

เรายังอยู่ในตำแหน่งที่จะส่งมอบการวิจัยศูนย์กลางผู้ใช้มาก นักวิจัยมีความมั่งคั่งของล้านของผู้ใช้คุยกับเสียงค้นหาหรือ Android เสียงใส่ทุกๆวันและสามารถทำการทดลองเพื่อทดสอบชีวิตและขั้นตอนวิธีการมาตรฐานใหม่โดยตรงในมีเหตุผลสภาพแวดล้อมที่ควบคุม ไม่ว่าเหล่านี้จะมีการปรับปรุงประสิทธิภาพอัลกอริทึมหรือประสบการณ์ของผู้ใช้และการปฏิสัมพันธ์ระหว่างมนุษย์และคอมพิวเตอร์ศึกษา เราให้ผู้ใช้ของเราอย่างใกล้ชิดเพื่อให้แน่ใจว่าเราแก้ไขปัญหาที่แท้จริง และมีผลกระทบจริง

เรามีความมุ่งมั่นอย่างมากกับความหลากหลายของผู้ใช้ของเราและได้ทำให้มันมีความสำคัญเพื่อส่งมอบประสิทธิภาพที่ดีที่สุดเพื่อทุกภาษาบนโลกใบนี้ ขณะนี้เรามีระบบในการดำเนินงานมากกว่า 25 ภาษา และเรายังขยายการเข้าถึงของเราให้กับผู้ใช้มากขึ้น ความท้าทายของสากลในระดับมหาศาล และคุ้มค่า หลายของผู้พูดภาษาเราถึงไม่เคยมีประสบการณ์ในการพูดกับคอมพิวเตอร์ก่อนและทำลายพื้นใหม่นี้ทำให้งานวิจัยใหม่เกี่ยวกับวิธีการตอบสนองความหลากหลายกว้างของผู้ใช้ รวมกับความสามารถในการแปลประวัติการณ์ของ Google แปล , ตอนนี้เราอยู่ในแถวหน้าของงานวิจัยในการพูดการแปลคำพูดและขั้นตอนหนึ่งที่ใกล้ชิดกับนักแปลสากล .

ในแง่ของความท้าทาย