亚历克莎总是在听，但不是一直在录音。它不会向云服务器发送任何东西，直到它听到你说唤醒词（Alexa、Echo或Computer）。但听叫醒词比你想象的要难。

Echo硬件并不是那么智能。如果没有互联网，你提出的任何要求或问题都会失败。这是因为您的命令被发送到云端进行解释和决策。亚马逊不希望你在智能音箱前的每一次对话都被录制下来，而是希望你给智能音箱的命令被录制下来。出于这个原因，公司使用了一个叫醒词来吸引聪明的演讲者的注意。为了做到这一点，亚马逊使用了微调麦克风、短记忆缓冲区和神经网络训练的组合。

微调麦克风精确定位您的声音

语音助理扬声器（如Echo和Echo Dot）通常有多个内置麦克风。例如，回声点有七个。这种阵列使这些设备具有多种能力，从听到远处发出的命令，到将背景噪音与声音分离。

后者特别有助于唤醒词的检测。使用它的多个麦克风，回声可以精确定位你的位置相对于它坐在那里，听这个方向，而忽略了房间的其余部分。

每当你使用wake这个词的时候，你就会看到它在起作用。站在回声或回声点的旁边，说出唤醒词。请注意，戒指亮起时是深蓝色，然后是浅蓝色，因为它的圆圈和“指向”你。现在，移动几步到一边，并再次说出唤醒词。注意，浅蓝色的灯光跟着你。

知道你在哪里，有助于设备更好地关注你，并排除来自其他地方的噪音。

内存不足使说话者不能容纳太多内容

回音设备有大量的存储空间，但它们使用的空间并不多。亚马逊公司副总裁、Alexa人工智能公司首席科学家罗希特·普**德（Rohit Prasad）表示，回声只能物理存储几秒钟的音频。

通过减少它的功能，亚马逊不仅给你更多的隐私（它是一个少一个地方你的声音存储），而且防止回声听整个对话，限制其重点是寻找唤醒词。

想象一下你有一盒三秒钟的录音带和一台录音机。假设磁带到达结尾后，会一次又一次地回到开头。如果你开始录一段对话，你四秒钟前说的每句话都会被抹去，并立即录下来。亚马逊Echo就是这么做的。

它不停地记录，但会同时擦除刚刚记录的所有内容。这种短暂的注意力跨度意味着它只能听到“Alexa”这个词，而不是更多。不过，三秒钟的时间足以让这个词被恰当地记录、检查和处理。

神经网络训练有助于模式匹配

最后，Amazon依靠神经网络训练来教Echo如何进行模式匹配。与其他形式的机器学习非常相似，亚马逊通过一个接一个地输入单词Alexa（或Computer，或Echo，取决于公司正在训练哪个wake单词）来训练算法。

相关：什么是算法，为什么它们让人不舒服？

这样做的目的是覆盖每一个词形变化和口音，但也包括上下文。亚马逊希望你的回声在你和它说话的时候，在你谈论它的时候，或者，也许，在你和一个叫Alexa的人说话的时候，能够识别出区别。定向麦克风也有助于实现这一目标。

回声听到的每一个字，都会通过层层的算法来传递音频。每一层都被设计用来排除误报，寻找声音或上下文线索。如果一个层检查通过，单词将转到下一层。最后，当本地设备确定它确实听到了wake这个词时，它开始录制音频并将其传送到亚马逊的云服务器。亚马逊采用了四种算法：一种是针对每个唤醒词（Alexa、Computer、Echo），另一种是针对Alexa Guard，Alexa Guard将玻璃破碎等特定声音处理为唤醒词。

但即使出现匹配，亚马逊仍会运行更复杂的检查。你有没有注意到，当有人在电视节目或广告中说Alexa这个词时，通常不会引起你的回音？这是因为亚马逊也做云计算。

云检测排除了一些误报

当公司**以Alexa为主角的商业广告时，他们可以将音频提交给亚马逊。该公司通过类似的模式匹配算法来识别唤醒词来运行音频。一旦该实例被完全编目，它就会被添加到数据库中。

作为接触云的过程的一部分，Echo包含了它听到的唤醒词的信息，并检查数据库。每当找到匹配项时，Amazon就会指示Echo忽略wake单词，关闭并丢弃任何录制的音频。

此外，Amazon还会检查同时说出的wake单词的实例。并非每家公司都向亚马逊提交音频，因此该公司提出了一种新颖的备份解决方案。在检查数据库匹配后，该公司将wake word imprint与同时出现的任何其他实例进行比较。两个同时说Alexa的人听起来不太可能一模一样，所以如果有匹配的话，Amazon知道这很可能是一个商业或电视节目，并忽略了这个请求。

尽管进行了所有检查，但仍会出现误报。你可以听听你的回声在亚马逊的隐私中心录下了什么，你可能会发现其中至少有一个假阳性。但这项技术正在不断改进，最终，亚马逊希望它能在没有任何唤醒词的情况下正常工作。