騰訊科技 宗秀倩 像《鋼鐵俠》中那樣智能先進(jìn)的語(yǔ)音助手,人類(lèi)還需要多久能用上?本周,國內幾家語(yǔ)音識別廠(chǎng)商先后公布自己的語(yǔ)音識別新策略,似乎人類(lèi)與語(yǔ)音的自然交互漸行漸近。 科大訊飛昨日公告稱(chēng),自主研發(fā)的離線(xiàn)語(yǔ)音聽(tīng)寫(xiě)引擎將于9月下旬正式發(fā)布,將應用于“訊飛輸入法”等產(chǎn)品,可滿(mǎn)足用戶(hù)在無(wú)網(wǎng)絡(luò )或弱網(wǎng)絡(luò )下對語(yǔ)音技術(shù)的需求。在這之前幾天,另一家企業(yè)思必馳也在一次業(yè)內沙龍上宣布重新定義人機交互體驗的方向,主張讓機器從能聽(tīng)會(huì )說(shuō)變成會(huì )聽(tīng)能做。 而國外巨頭也在布局語(yǔ)音識別領(lǐng)域。昨日有外媒報道稱(chēng),微軟正在研發(fā)代號為“Cortana”自有語(yǔ)音個(gè)人助手軟件,并計劃在下一個(gè)Windows Phone平臺大升級中推出,以抗衡Google Now及蘋(píng)果Siri。 如思必馳副總裁兼對話(huà)工場(chǎng)總經(jīng)理李建輝所言,智能設備發(fā)展大潮和移動(dòng)互聯(lián)時(shí)代的到來(lái),讓感知計算成為未來(lái)人機交互的發(fā)展方向,需要更加自然、直觀(guān)和身臨其境的交互方式。 科大訊飛移動(dòng)互聯(lián)事業(yè)部副總經(jīng)理章繼東將語(yǔ)音識別產(chǎn)品進(jìn)化形容為一場(chǎng)馬拉松。在這個(gè)過(guò)程中,有不少廠(chǎng)商已經(jīng)退出該領(lǐng)域,搜狗語(yǔ)音助手也不復曾經(jīng)的高調推廣,Airi在一年前已經(jīng)停止更新。另一款小i機器人轉做B2B市場(chǎng)。 有廠(chǎng)商退出,又有新的廠(chǎng)商進(jìn)入,一輪基于語(yǔ)音識別應用的新的布局和競技已然開(kāi)始。 蹩腳的語(yǔ)音交互體驗 盡管科大訊飛的訊飛輸入法語(yǔ)音識別率可以達到95%以上,但從整個(gè)語(yǔ)音識別應用來(lái)看,現階段的用戶(hù)體驗只能用蹩腳來(lái)形容。 一方面是語(yǔ)音交互的錯誤容易傳遞的先天缺陷使然!叭绻Z(yǔ)音識別的準確率在85%-95%之間,語(yǔ)義分析的準確率在85%-95%之間,最后識別的準確率只有70%-90%!彼急伛Y首席科學(xué)家俞凱說(shuō)。 對于離線(xiàn)語(yǔ)音技術(shù)而言則更加困難。目前,擁有離線(xiàn)語(yǔ)音技術(shù)的有谷歌(微博)與蘋(píng)果兩大國際巨頭以及科大訊飛。但受無(wú)網(wǎng)絡(luò )連接、存儲空間有限等原因,科大訊飛的離線(xiàn)語(yǔ)音識別成功率只有85%左右,“剛達到能用的水平! 另一方面,語(yǔ)音識別技術(shù)因為技術(shù)門(mén)檻太高,往高級功能的進(jìn)化還剛剛開(kāi)始!皬恼Z(yǔ)音評測、語(yǔ)音合成到對自然語(yǔ)義的理解,每一個(gè)方向都需要足夠的語(yǔ)料和算法進(jìn)行不斷的優(yōu)化!闭吕^東說(shuō)。 在技術(shù)的優(yōu)化的同時(shí),還需要構建一個(gè)生態(tài)系統。比如社區問(wèn)答,類(lèi)似劉德華演的電影是什么的問(wèn)題,或者是基于音樂(lè )、視頻的知識圖譜,類(lèi)似劉德華都演過(guò)什么電影的問(wèn)題。 “基于語(yǔ)音自然交互越來(lái)越便捷會(huì )取代鍵盤(pán)輸入等方式這是一個(gè)趨勢,但是上升到剛需的層面,現在不是時(shí)候!闭吕^東說(shuō)。 重金投向語(yǔ)音識別 盡管困難重重,語(yǔ)音識別技術(shù)的大方向已然不可逆轉。 “所有手機制造商都在投資語(yǔ)音、拓展語(yǔ)音技術(shù)領(lǐng)域的投資,打造更優(yōu)雅的設計并將其深入集成到手機中!闭Z(yǔ)音識別技術(shù)公司Nuance高級副總裁邁克爾•湯普森這樣說(shuō)。 盡管蘋(píng)果的Siri屢遭嘲笑,甚至被稱(chēng)為蘋(píng)果最失敗的產(chǎn)品之一,但蘋(píng)果的投入有增無(wú)減。蘋(píng)果甚至在麻省理工大學(xué)(MIT)附近組建了神秘辦公室,用以做Siri 語(yǔ)音識別技術(shù)的研發(fā)。俞凱透露,Siri的語(yǔ)音技術(shù)部門(mén)的人員保持在1:4的配比。1個(gè)人負責研究語(yǔ)音的輸入輸出,4個(gè)人負責自然語(yǔ)言處理,用以攻堅語(yǔ)音自然交互的困難。 在語(yǔ)音識別領(lǐng)域深耕的國內廠(chǎng)商也獲得投資用以研發(fā)。去年,思必馳獲得聯(lián)想和啟迪等三方的聯(lián)合投資。去年,中國移動(dòng)(微博)通過(guò)其子公司以13.63億人民幣的價(jià)格入股科大訊飛,占股15%,隨后在當年12月聯(lián)合推出智能語(yǔ)音門(mén)戶(hù)產(chǎn)品“靈犀”。靈犀可以實(shí)現語(yǔ)音打電話(huà)、發(fā)短信、查天氣等功能。 誰(shuí)能引爆語(yǔ)音交互? “有時(shí)候可能就是熬,甚至也有可能未來(lái)是由于其他方向帶動(dòng)起來(lái)!闭吕^東說(shuō)。他認為微信是其中一例。 在微信剛剛推出之時(shí),很多人看到別的用戶(hù)在對著(zhù)手機“自言自語(yǔ)”時(shí)會(huì )覺(jué)得很納悶,后來(lái)才發(fā)現是微信的語(yǔ)音對講功能。而現在,人們已經(jīng)對朝著(zhù)微信自說(shuō)自話(huà)習以為常。 章繼東認為,下一個(gè)有可能引爆語(yǔ)音識別應用的是正越來(lái)越流行的可穿戴設備。比如手環(huán)可以把用戶(hù)數據傳到云端去,然后分析出一個(gè)針對個(gè)人健康狀況的建議。甚至,數據發(fā)現一個(gè)用戶(hù)作息不規律,語(yǔ)音助手可以在用戶(hù)需要休息的時(shí)候給出一個(gè)語(yǔ)音提示。 更現實(shí)的應用是智能手表等可穿戴設備,比如聲紋識別和語(yǔ)音喚醒等功能可以成為典型應用。前者用戶(hù)可以將自己的聲音做為開(kāi)啟設備的密碼,后者則在用戶(hù)不接觸設備的情況下喚醒設備。 “我們也在和芯片廠(chǎng)商合作,嘗試將語(yǔ)音識別技術(shù)集成到智能可穿戴設備中,以此來(lái)降低功耗,擴大語(yǔ)音識別在可穿戴設備上的應用時(shí)間!币患艺Z(yǔ)音識別技術(shù)廠(chǎng)商的負責人說(shuō)。 |