ایتنا- وقتی یک نمونه صدا به فناوری هوش مصنوعی متن باز گوگل ارائه می شود، این فناوری صدای دریافتی را به چندین بخش تقسیم می کند تا بتواند آنها را با دقت بالا بفهمد و از طریق الگوریتم های یادگیری ماشین بین آنها تمییز ایجاد کند. پژوهشگران گوگل اذعان داشتند که این اسپیکر جدید با رویکردی ریاضیاتی به واژه ها می نگرد و از طریق یک شبکه عصبی خاص و نوعی فناوری یادگیری ماشینی، صداهای ورودی را به صورت یک دنباله درمی آورد.

این سیستم امکان یادگیری دانش سطح بالا را برای خود فراهم می کند تا بتواند پیچیدگی های موجود در صداها را تشخیص دهد و مسائل پیش روی خود را حل کند.

 از آنجا که تمامی اجزای این سیستم قابلیت یادگیری دارد، باید همواره اطلاعات جدید و صداهای جدیدی به این سیستم داده شود تا به تدریج منبع اطلاعاتی آن قوی شود و بتواند هر صدایی را تجزیه و تحلیل کند.