
Google语音搜索升级S2R模型:跳过文本转录直接检索
Google已将其语音搜索模型升级为“语音到检索”(Speech-to-Retrieval,简称S2R)驱动。该技术能够直接从语音查询中提取答案,无需先转换为文本,从而为用户提供更快、更可靠的搜索体验。
突破传统ASR级联建模局限
此前,Google采用自动语音识别(ASR)方案,先将语音转为文本再进行文档匹配。这种级联建模方法存在明显缺陷:语音识别阶段的细微错误可能改变查询原意,导致搜索结果偏差。
S2R架构实现根本性转变
S2R技术的核心在于直接解释语音并检索信息,省略了易出错的文本转录中间步骤。这标志着机器处理人类语音的方式在架构与理念上实现了根本性变革。
多语言环境已落地应用
尽管相关内容首发于Google Research博客,但S2R模型已在实际环境中投入使用。在Google Research与Search团队的协作下,该先进模型现已支持多种语言,在准确性方面显著超越传统级联系统。

