Publié le 24 octobre 2023 14:35:00. Google révolutionne sa recherche vocale en introduisant un nouveau modèle d’intelligence artificielle capable de comprendre directement les requêtes audio, sans passer par la transcription textuelle, promettant ainsi une expérience plus rapide et plus précise pour les utilisateurs.
- Google a déployé un nouveau système de recherche vocale, baptisé Speech-to-Retrieval (S2R), qui contourne l’étape de conversion de la parole en texte.
- S2R utilise deux réseaux neuronaux pour transformer les requêtes vocales et les documents textuels en représentations vectorielles, facilitant ainsi la correspondance sémantique.
- Les premiers tests indiquent que S2R surpasse l’ancien système Cascade ASR et se rapproche des performances d’une version optimisée de celui-ci.
Jusqu’à présent, lorsque vous posiez une question à Google par la voix, votre requête était d’abord transformée en texte, puis analysée pour trouver les résultats les plus pertinents. Ce processus, basé sur le système Cascade ASR (Automatic Speech Recognition), était sujet à des erreurs, car la conversion audio en texte pouvait entraîner une perte d’informations contextuelles cruciales. Google vient de franchir une étape importante en introduisant Speech-to-Retrieval (S2R), un modèle d’apprentissage automatique qui traite directement la parole, sans passer par l’intermédiaire du texte.
S2R repose sur un réseau neuronal entraîné sur un vaste ensemble de données associant requêtes audio et documents pertinents. Ce modèle est constitué de deux encodeurs : l’un dédié à l’audio, l’autre au texte. L’encodeur audio convertit la requête vocale en un vecteur représentant sa signification sémantique, tandis que l’encodeur de documents effectue la même opération pour les pages web et autres contenus textuels. Ces deux encodeurs apprennent à mapper les requêtes vocales et les documents dans un espace sémantique commun, de sorte que les éléments associés se retrouvent proches l’un de l’autre en fonction de leur similarité.
Pour illustrer ce fonctionnement, Google prend l’exemple du célèbre tableau Le Cri d’Edvard Munch. L’expression vocale « la peinture du cri » est transformée en un point dans l’espace vectoriel, situé à proximité des informations relatives à cette œuvre (musée où elle est exposée, etc.). Ainsi, le système ne se contente pas de rechercher des mots-clés, mais tente de comprendre le sens profond de la requête.
Une fois la requête transformée en vecteur, S2R la compare à l’index de Google pour identifier les pages dont la signification est la plus proche. Une étape de classement distincte affine ensuite les résultats en combinant les scores de similarité avec d’autres critères de pertinence et de qualité.
Les premiers tests menés par Google sont encourageants. S2R a surpassé le système Cascade ASR et a obtenu des performances proches de Cascade Groundtruth, une version optimisée de l’ancien système. « La clé de ce modèle réside dans la manière dont il est formé », explique Google dans un communiqué. « À l’aide d’un vaste ensemble de données de requêtes audio appariées et de documents pertinents, le système apprend à ajuster simultanément les paramètres des deux encodeurs. L’objectif de formation garantit que le vecteur d’une requête audio est géométriquement proche des vecteurs de ses documents correspondants dans l’espace de représentation. »
Le nouveau système est déjà opérationnel et utilisé dans plusieurs langues, bien que Google n’ait pas précisé lesquelles. Selon l’entreprise, cette avancée marque « une nouvelle ère dans la recherche vocale », offrant une expérience plus rapide et plus fiable aux utilisateurs. « La recherche vocale est désormais alimentée par notre nouveau moteur Speech-to-Retrieval, qui obtient des réponses directement à partir de votre requête vocale sans avoir à la convertir au préalable en texte, ce qui permet une recherche plus rapide et plus fiable pour tout le monde », affirme Google.
Pour en savoir plus sur Speech-to-Retrieval (S2R) : Speech-to-Retrieval (S2R) : Une nouvelle approche de la recherche vocale.
Image en vedette par Shutterstock/ViDI Studio
Pour aller plus loin
