直接口令歌名，不作其他贅述，AI 音箱就能懂你心“聲”？亞馬遜工程師提供了三個解決方案：
1.分析歌曲播放的時間數據
2.篩選歌手風格及歌曲類型
3.對歌曲的用戶吸引力評分
-Hi 小X，我想聽《天空之城》~
-好的，正在為您播放久石讓的《天空之城》
-額，我想聽的是李志那首…
同曲名的音樂那麼多，翻唱版本一波又一波，AI 音箱如何選出你心中的那首歌？
亞馬遜語音助手 Alexa 的工程師近期開發了一套“隱式推薦系統”，能夠通過人工智能學習並記憶用戶的音樂品味。今日，該項目的研究者、“機器學習”方向專家 Bo Xiao 在印度海德拉巴舉行的 Interspeech 2018 年會上，首次揭秘了這一智能系統的技術原理。
一、時間算法：分析歌曲播放的時間數據
“隱式推薦系統”提供了一個可訓練的時間數據推薦引擎。舉個例子，假如在 30 秒內，用戶即切斷當前歌曲，說明這完全不是他想聽的歌，下次將不再推薦同種曲目；在 30 秒切斷歌曲，可能用戶並不喜歡這首歌或這個版本，下一次，系統將切換另一位歌手的同名歌曲或另一類風格，以此類推。
那如果是與音樂偏好無關的播放中斷呢？“隱式推薦系統”增加了加權功能。例如， 如果歌曲播放時間為 25 秒而不是一秒鐘，或者播放三分鐘而不是兩分鐘，則歌曲的推薦比重將加權增大。
二、類別算法：篩選歌手風格及歌曲類型
同樣是美國著名流行歌曲《Hello》，如果你第一次選擇了萊昂內爾·裡奇的版本，那麼算法可能會記憶“男性”，“美國”，“經典”，“格萊美金曲”等一系列標籤，如果你選擇了阿黛爾的版本，相應地，算法標籤將會是另一種風格和類型。
隨著系統海量數據庫的積累和每一位用戶個體畫像的完善，該系統也在自動地快速迭代算法，細化音樂“標籤”。
三、吸引力算法：對歌曲的用戶吸引力進行評分
儘管用戶的音樂品味各異，但好聽的版本總能獲得更多用戶的喜歡。該系統的“用戶吸引力評估模型”，能夠對目標曲目進行智能打分和評級，再匹配出最佳歌曲推薦給用戶。
此外，“隱式推薦系統”還進一步優化了語義理解，能夠提高對含混不清口令的辨識度和智能猜測準確率。
Bo Xiao 表示，目前“隱式推薦系統”的測試效果良好，未來，研究團隊還計劃將這一技術應用於有聲讀物、視頻等更多領域。
近年來， AI 智能音箱競爭激烈， 各品牌通過不斷研發和優化技術算法，提升用戶的個性化音樂體驗。例如通過語音和心率來判斷情緒，並根據情緒來匹配音樂的 EmoKit ，以及能夠讓用戶參與音樂創作的Jukedeck、Melodrive 和 Humtap 。
而相對而言，國內AI 音箱在語義理解和個性化音樂推薦方面，功能還較為基礎。究其本質，或許還在於搶佔市場風口、佈局流量入口以及忙著打價格戰。未來，品牌如果想要打造精品，建立競爭壁壘，或許還需要用心鑽研用戶的真實需求。
閱讀更多 PiPaCode在線少兒編程 的文章
