随着科技的发展，语音搜索已成为现代人获取信息的重要方式。然而，传统的语音搜索技术依然面临着从语音到文本转换中的误差挑战。谷歌的初期语音搜索系统通过自动语音识别（ASR）将语音输入转化为文本查询，然后搜索与该文本匹配的文档。但这种层叠建模方法存在一个重大缺陷：任何微小的语音识别错误都会改变查询的意义，从而导致错误的搜索结果。例如，用户想搜索爱德华·蒙克的名画《尖叫》，但ASR系统若将“尖叫”中的“叫”误识为“屏”，则可能返回与屏幕绘画技术相关的无关结果。
为了解决这些问题，谷歌引入了一种名为Speech-to-Retrieval（S2R）的革命性技术。S2R的核心在于直接从语音获取信息，无需经过中间的文本转录步骤。这种技术架构上的转变使得机器不再仅仅关注“说了什么词”，而是专注于“寻求什么信息”。这一技术突破不仅填补了当前语音搜索体验的质量差距，也为未来的语音搜索奠定了新的基础。
S2R的工作原理依赖于双编码器架构。音频编码器处理查询的原始音频，将其转化为丰富的向量表示，以捕捉其语义意义。同时，文档编码器为文档学习类似的向量表示。通过使用大规模音频查询和相关文档的配对数据集进行训练，S2R模型能够直接从音频中提取出接近检索所需的核心意图，避免了层叠设计中每个词都需要完美转录的脆弱步骤。
实验结果表明，S2R系统在多种语言下的表现优于传统的层叠ASR模型，且其性能接近于理论上的完美模型。这一突破性技术的实际应用已在多个语言环境中上线，标志着语音搜索进入了一个全新的时代。
展望未来，S2R技术的推广不仅有助于提高语音搜索的准确性，也为构建下一代智能语音接口提供了坚实的基础。我们相信，通过开放资源和透明的评估，全球研究社区可以共同推动这一领域的发展。返回搜狐，查看更多