LG presenta casos de colaboración con agente de voz de Microsoft en la Cumbre Industrial de Microsoft
Mejora de reconocimiento de voz, diálogo y síntesis basada en Azure de Microsoft; el sistema aprende nombres de productos y funciones de LG
Video de demostración muestra cómo interrumpir y hacer nuevas solicitudes, o continuar el contexto de conversaciones anteriores
LG Electronics está implementando, en colaboración con Microsoft, un hogar inteligente impulsado por inteligencia artificial que permite una interacción natural con los electrodomésticos. El objetivo es crear un agente de voz que comprenda con precisión lo que dice el usuario, mantenga una conversación similar a la humana y responda con una voz característica de la marca LG.
Kim Chul-ha, jefe de equipo del Centro de Negocios de Plataforma HS de LG Electronics, presentó el 30 en la Cumbre Industrial de Microsoft celebrada en el COEX de Seúl los casos de colaboración entre ambas empresas en agentes de voz para el hogar inteligente, bajo el tema 'Completar la experiencia de IA del hogar con agentes y voz'.
LG Electronics está desarrollando electrodomésticos inteligentes combinando tecnología en dispositivo y en la nube. En este proceso colabora con Microsoft para mejorar funciones clave del agente de voz como reconocimiento de voz (STT), análisis de intención y síntesis de voz (TTS).
ThinQ On es el centro neurálgico del hogar inteligente de LG Electronics, funcionando como un concentrador de hogar inteligente que conecta y controla electrodomésticos y dispositivos del Internet de las Cosas (IoT). Basado en inteligencia artificial generativa, interactúa con los usuarios en lenguaje cotidiano y, según el contenido de la conversación, controla los electrodomésticos conectados o proporciona servicios necesarios.
Sobre la dirección del desarrollo de IA de voz, Kim explicó: "Está evolucionando desde un nivel de reconocimiento preciso del habla del usuario hacia una forma de mantener conversaciones naturales con las personas".
LG Electronics está aplicando esta orientación al agente de voz de ThinQ On. El nuevo agente de voz comienza a realizar inferencias y preparar respuestas mientras escucha al usuario, reduciendo los tiempos de latencia en la conversación. Cuando el usuario hace una pausa breve, el agente espera la siguiente intervención; si el usuario emite una nueva solicitud mientras la IA está respondiendo, el sistema es capaz de detener la respuesta anterior y procesar la nueva solicitud.
Esta conversación en tiempo real utiliza el tecnología 'Voice Live' de Microsoft. El sistema comienza a procesar la siguiente etapa sin esperar a que se completen todos los resultados del reconocimiento de voz, generando resultados parciales conforme se producen, reduciendo así el tiempo de respuesta.
Kim también presentó un video de demostración que muestra cómo el agente de voz entiende el contexto de la conversación para controlar electrodomésticos y generar contenido adaptado a las solicitudes del usuario. En la demostración, después de preguntar a qué temperatura le resulta más cómodo dormir a un niño, el usuario dice: "Entonces, ajusta el aire acondicionado del dormitorio a esa temperatura", y el sistema controla el aire acondicionado basándose en el contenido de la conversación anterior.
Para el reconocimiento de voz se utilizó 'Custom Speech' de Azure de Microsoft. Esta herramienta se empleó para entrenar al sistema en nombres de productos y funciones de LG Electronics que los modelos de voz generales encuentran difíciles de reconocer.
Kim señaló que al utilizar los paquetes de idioma de ThinQ, también redujo el tiempo necesario para mejorar el rendimiento del reconocimiento de voz por idioma. Comentó: "En el caso de otras divisiones de negocios, llevó aproximadamente 10 años mejorar el rendimiento del reconocimiento de voz en 29 idiomas. Utilizando los paquetes de idioma que ThinQ ya poseía, mejoramos el rendimiento del reconocimiento de voz en 16 idiomas en solo un año". En comparación con el caso anterior, se trata de una velocidad de desarrollo aproximadamente 5,9 veces más rápida.
Para la síntesis de voz, se combinó el modelo personalizado HD de Microsoft con la IA de persona de marca de LG Electronics. El objetivo es implementar una 'voz de marca' única de LG Electronics variando el tono según la situación y el contexto de la conversación.
Kim explicó: "Las funciones del agente de voz se están mejorando rápidamente". El video de demostración se grabó el 4 de septiembre, cuando el sistema solo se limitaba a recomendar música para dormir; sin embargo, actualmente se ha añadido la función de reproducir la música recomendada y se ha mejorado el tiempo de respuesta.
Kim concluyó: "Un buen agente de voz es aquel que escucha bien, conversa como lo haría una persona y expresa la voz de la marca. A través de la colaboración con Microsoft, estamos enriqueciendo la experiencia de voz".
* Este artículo ha sido traducido por IA.