В iOS 11 персональный ассистент Siri на основе ИИ получил гораздо более естественный голос, что значительно приблизило звучание Siri к человеческому. Siri говорит быстрее, плавнее, с удлиненными слогами и вариациями высоты тона, что заметно отличает ее от более роботизированного звучания в iOS 10.

Команда Siri, включая старшего директора Siri Алекса Асеро, годами работала над улучшением речи Siri, согласно новому интервью Асеро вместе с вице-президентом Apple по маркетингу Грегом Джосвиаком для издания Wired. В то время как распознавание речи Siri изначально осуществлялось сторонней компанией, команда Асеро взяла на себя разработку Siri несколько лет назад, что привело к ряду улучшений персонального ассистента с тех пор.

Siri работает на основе глубокого обучения и искусственного интеллекта — технологий, которые значительно улучшили возможности распознавания речи. По данным Wired, возможности распознавания речи Siri теперь способны правильно идентифицировать 95 процентов речи пользователей, что сравнимо с показателями конкурентов, таких как Alexa и Cortana.

Apple по-прежнему работает над преодолением негативных представлений о Siri и объясняет многие ранние проблемы упомянутым партнерством со сторонней компанией.

«Это было похоже на гонку, и кто-то другой нас сдерживал», — говорит Грег Джосвиак, вице-президент Apple по маркетингу продуктов. Джосвиак утверждает, что у Apple всегда были большие планы на Siri: «идея ассистента, с которым можно разговаривать на телефоне, и который будет делать вещи более простым способом», но технология просто не была достаточно хороша. «Знаете, на входе — мусор, на выходе — мусор», — говорит он.

Джосвиак говорит, что с самого начала целью Apple было сделать Siri «машиной для выполнения задач». «Мы не разрабатывали эту штуку как «Викторину на знание мелочей!»», — заявил он Wired. Apple хочет, чтобы Siri служила автоматизированным другом, который может помочь людям делать больше.

Одной из уникальных особенностей Siri является ее способность работать на нескольких языках. Siri поддерживает английский, французский, голландский, китайский (мандарин и кантонский диалекты), финский, иврит, малайский, арабский, итальянский и испанский языки, а также другие, включая диалектные варианты (например, английский в Великобритании и Австралии) и акценты. Команда Siri объединяет существующие базы данных местной речи с местными актерами озвучивания и диктовкой на устройстве, транскрибируя и анализируя контент, чтобы найти все отдельные звуки в данном языке и все способы их произношения.

В регионах, где Apple предлагает голосовую диктовку, но нет поддержки Siri, она собирает данные для будущей поддержки Siri, а в местах, где Siri уже доступна, голосовые взаимодействия между пользователем и устройством (собираемые анонимно) используются для улучшения алгоритмов и обучения нейронной сети компании.

Создание правильного голоса для Siri на определенном языке зависит от подходящего актера озвучивания, и Apple проводит «эпический поиск» среди сотен людей, чтобы найти кого-то, кто звучит полезно, дружелюбно, энергично и счастливо, но не переигрывает. Как только нужный человек найден, Apple записывает его в течение недель, чтобы создать нужный звук. На данный момент Apple повторила этот процесс для всех 21 языков, которые поддерживает Siri.

В конечном счете, Асеро и его команда Siri стремятся сделать так, чтобы Siri звучала больше как доверенный человек, чем как робот, создавая привязанность к ИИ, которая «сделает Siri великой», даже когда Siri не сможет правильно ответить на запрос. Apple также хочет, чтобы люди больше знали о том, что Siri может и чего не может делать, и что она вообще существует, поэтому iOS 11 включает в себя функции, ориентированные на Siri, такие как синхронизация между устройствами и лучшее понимание интересов и предпочтений пользователя.

Полную статью Wired, которая более подробно описывает, как Siri распознает различные аспекты речи и как Apple выбирает актеров озвучивания, можно прочитать на их сайте.