了解 Google 改进语音模型的方式

我们运用常规学习来训练大部分的语音模型。

如何运用常规学习训练语音模型

1. 在征得你的明确同意后，系统会收集音频样本并将其存储在 Google 的服务器上。
2. 其中有一些音频样本会由人工审核者加上注解。
3. 训练算法会从带注解的音频数据样本中学习。
   • 监督式训练：系统会训练模型，模拟人工审核者对相同的音频添加注解。
   • 非监督式训练：使用机器注解，而不是人工注解。

利用等量的数据进行训练时，由于监督式训练的注解质量更高，因此产生的语音识别模型往往会比非监督式训练更好。但另一方面，非监督式训练的学习对象是比较容易生成的机器注解，因此可以从更多音频样本中学习。

如何保障数据的私密性

详细了解 Google 如何保障数据的私密性。

联邦学习是一种由 Google 开发的技术，可用于直接在手机或其他设备上训练 AI 模型，同时保障隐私安全。当模型在你的设备上运行，并且有可供模型学习的数据时，我们会使用联邦学习来训练语音模型。

如何运用联邦学习训练语音模型

如果采用联邦学习，我们无需将你的音频数据发送到 Google 服务器即可训练语音模型。

1. 为了实现联邦学习，我们会将你的音频数据保存在你的设备上。
2. 训练算法会从设备上的这些数据中进行学习。
3. 系统会将从你的设备获得的汇总学习成果与从所有其他参与设备获得的学习成果组合起来，形成一个新的语音模型。

如何保障数据的私密性

管理“网络与应用活动记录”中的录音

在 Google 服务器上运行语音模型时，我们会采用短暂学习技术来保护你的隐私。

如何运用短暂学习训练语音模型

1. 当系统将传入的音频样本转换为文本时，会一并将这些样本发送到短期内存 (RAM) 中。
2. 数据在 RAM 中保留期间，训练算法会实时地从这些音频数据样本中进行学习。
3. 系统会在几分钟后将这些音频数据样本从 RAM 中删除。

如何保障数据的私密性

采用短暂学习时，你的音频数据样本：

• 仅会在 RAM 中保留几分钟时间。
• 绝对无法被真实用户访问。
• 绝对不会存储在服务器上。
• 可在无需任何其他身份识别数据的情况下用于训练模型。