吳勇毅

“只動嘴不動手”，就可以指揮滿屋子的家電為你服務(wù)，這在今天看來仍是科幻片的一幕，因語音技術(shù)的發(fā)展正在一步步成為現(xiàn)實。

阿里巴巴說出“芝麻芝麻，開開門”，寶庫的厚重石門便自動打開了。這個古老的阿拉伯神話，在如今數(shù)字時代語音技術(shù)的幫助下，完全可能成為現(xiàn)實。在多年的技術(shù)積累后，時下語音技術(shù)的春天正“千樹萬樹梨花開”。

當(dāng)前，智能語音應(yīng)用已是移動互聯(lián)領(lǐng)域的絕對熱點之一。除了國外Siri、Google Now、微軟必應(yīng)添加的語音搜索功能外，近一兩年，國內(nèi)市場也陸續(xù)出現(xiàn)百度語音助手、搜狗語音助手、盛大的百靈語音助手、訊飛語點與訊飛語音助手、靈犀助手、蟲洞語音助手、智能360語音助手等語音搜索工具。其中既有國際IT巨頭、互聯(lián)網(wǎng)大佬，也有二三十人的創(chuàng)業(yè)團隊，市場堪稱火爆，愈演愈烈。

智能語音交互技術(shù)日新月異

時下，語音應(yīng)用分為三大技術(shù)環(huán)節(jié)：語音識別、語義理解、搜索，每個環(huán)節(jié)的技術(shù)難度系數(shù)都很高。以百度的語音助手為例，用戶對它的需求大致分為三類：第一類是指令性的需求，包括打電話、發(fā)短信、發(fā)微博等。第二類是搜索需求，其中分為垂直搜索需求、通用搜索需求、知識類搜索需求，例如用戶如果希望播放某首歌，就進入百度音樂等垂直搜索；如果是綜合類的搜索需求，就進入百度的搜索引擎；如果是知識類需求，例如問“世界最長的河流是哪個”，語音助手就會進入知識庫給出結(jié)果。第三類是調(diào)侃類的需求，百度有互動性資源，例如“小黃雞”等。

自蘋果iPhone 4S內(nèi)置語音助手Siri以來，語音識別技術(shù)近年來經(jīng)歷了前所未有的繁榮。穿戴式設(shè)備、智能家居和車載設(shè)備的興起，更是將語音識別技術(shù)推到應(yīng)用的臺前。語言的創(chuàng)造原本就是人類歷史的一個拐點，而當(dāng)將語言與科技結(jié)合時，所謂的人機交互的革命史又翻開了新篇章。

可以說，智能語音交互首先改變的是移動互聯(lián)網(wǎng)，語音識別在移動終端上的應(yīng)用最為火熱。語音對話機器人、語音助手、互動工具等層出不窮，許多互聯(lián)網(wǎng)公司紛紛投入人力、物力和財力展開此方面的研究和應(yīng)用。在國內(nèi)，目前除了手機內(nèi)自帶的語音助手，不少第三方語音助手應(yīng)用也如雨后春筍般涌現(xiàn)，譬如訊飛語點、百度語音助手、搜狗語音助手、蟲洞語音助手、智能360語音助手等。以iPhone中內(nèi)置的Siri為例，這是一個很炫的功能。用戶以自然語言的方式對智能手機下達指令，而手機根據(jù)用戶語音和用戶當(dāng)前的環(huán)境及上下文對用戶意圖進行理解，并按照用戶意圖執(zhí)行命令。如用戶說“查找附近的閩菜館”，則手機會搜索用戶當(dāng)前所在位置附近的閩菜風(fēng)味餐廳，并將列表顯示出來供用戶選擇查看。

騰訊公司將智能語音整合到手機上網(wǎng)領(lǐng)域，讓打開網(wǎng)頁、控制瀏覽器等功能操作“口語化”。只要你叫一聲“搜狐網(wǎng)”，手機就會自然跳出搜狐網(wǎng)來，用不著用手輸入網(wǎng)址。

很難想象會有用戶通過手機打上五六百字向自己的領(lǐng)導(dǎo)論述某個項目的可行性，這樣的工作通常是在有實體鍵盤的電腦上完成的。語音輸入使得通過手機完成上述行為成為可能。

在未來的物聯(lián)網(wǎng)時代，“說出需求得到落實”的互動模式將進一步延伸，屆時所有的手機、電器等都將擁有“聽”甚至是“說”的能力，語音控制將成為構(gòu)建智慧城市的重要手段，人們美好的生活將再次“傳為佳話”。用戶躺在沙發(fā)上，對著手機就可給各種電器下達命令，電器就能自動完成操作，隨著物聯(lián)網(wǎng)的發(fā)展成熟，這種看似奇幻的情景正愈來愈廣泛地變?yōu)楝F(xiàn)實。

而未來，借助語音識別技術(shù)，可實現(xiàn)“只動嘴不動手”的智能化支付，更能讓用戶體驗到高速便捷。比如，消費者可對著手機發(fā)出命令——“請轉(zhuǎn)賬500元到××賬戶”，手機就能幫助消費者輕松實現(xiàn)口述化轉(zhuǎn)賬、付款。

近日，去哪兒攜手百度，在其App加入語音功能，用戶只需要對著手機說話，即可完成旅游出行搜索和預(yù)訂、支付。該功能是去哪兒旅行與百度語音共同打造的智能語音產(chǎn)品，標志著百度和去哪兒在語音技術(shù)領(lǐng)域再上一層樓，“只動嘴不動手”的智能化，讓用戶“說去哪兒就去哪兒”，“想付多少錢就付多少錢”。

去哪兒無線高級產(chǎn)品總監(jiān)楊昌樂表示，他非?？春弥悄苷Z音的未來發(fā)展前景，智能語音最終必然會成為手機端的一個重要輸入手段，并且會對現(xiàn)今的使用環(huán)境、支付環(huán)境造成很大的沖擊。尤其多交互語音技術(shù)的出現(xiàn)，完全令用戶有不同于以往的使用感受。未來去哪兒希望能夠打造出僅依靠語音技術(shù)即可完成各種操作的App產(chǎn)品，將手指輸入和語音輸入并行提供給用戶。

而目前國內(nèi)最大的獨立第三方支付平臺支付寶，也已逐步針對全國手機用戶推出獨創(chuàng)的語音支付方式。此舉將令國內(nèi)數(shù)億手機用戶有機會通過手機終端隨時隨地完成語音支付行為。

一項公開調(diào)查的數(shù)據(jù)顯示，除了通常網(wǎng)上購物之外，40%的消費者會選擇電視購物，34%的消費者會選擇目錄購物，在這些人中，65%的消費者表示愿意在一定條件下使用語音支付進行付款。語音支付“錢景”十分誘人。

基于這種高智能化的技術(shù)進化，Enfodesk易觀智庫研究發(fā)現(xiàn)，語音必將成為日后移動互聯(lián)網(wǎng)的最重要入口之一。手機和PC相比有著先天的操作和視覺劣勢（手機屏幕面積小、操作輸入繁瑣），而語音輸入無疑是比較好的替代輸入方式之一，它使得操作者開始逐步擺脫雙手與機器的操控交流，讓手機成為更智能化、更人性化、更通用的工具。Enfodesk易觀智庫調(diào)查數(shù)據(jù)顯示，到2015年全球智能語音交互技術(shù)市場將達到600多億美元，未來三年年復(fù)合平均增長率高達15%以上。

無縫語音交互境界還有多難

不過，有些業(yè)界專家認為，語音應(yīng)用能否成為下一個移動應(yīng)用重要入口，還要經(jīng)過技術(shù)和市場的雙重考驗。無論是類似蘋果的“大?！?，還是口碑相傳的智能360，目前均尚未帶動語音成為移動互聯(lián)的入口，迎接語音技術(shù)全面春暖花開的春天還要克服一些難關(guān)。

雖然蘋果、谷歌、百度等這些巨頭紛紛以非常認真的態(tài)度投入語音應(yīng)用，語音用戶市場還是發(fā)展不太快，離達到流量變現(xiàn)的程度還有一段距離。而目前國內(nèi)手機語音搜索市場雖然已具備一定的用戶需求與初步的技術(shù)積累，但仍處在市場導(dǎo)入期階段。

近年來語音技術(shù)門檻逐漸降低，但不可否認的是，語音技術(shù)在人機交互中仍有一些尷尬局面。比如語音識別的正確率，其在實際應(yīng)用中依然不夠“聽話”。一些專家認為，中國地域遼闊，光方言就有成百上千種，而且即便是同一種方言被不同的人說出來發(fā)音上也會有差距。機器系統(tǒng)哪怕采樣再全，識別率也不會太理想。比起其他語種，中文的識別難度會更高。在中文中，同樣的一句話，在不同的語境中，具備了不同的含義，識別難度會更大，甚至同一句話的不同語氣，其表達意思也不同，這就讓語音技術(shù)難以識別其準確意義，甚至可能“失之毫厘，謬以千里”。

有業(yè)內(nèi)人士坦承說，語音識別的遺憾是再努力也做不到百分之百。這或是整體語音技術(shù)應(yīng)用中的一個最大痛點。不過，業(yè)界專家對此進行反駁，任何事物沒有所謂百分之百完美，語音識別準確率達到90%以上就算成功，不能吹毛求疵。

還有，為了調(diào)用語音、語義庫，以更加精準地理解用戶的意思，目前不少語音技術(shù)服務(wù)商的做法是將用戶所說的語音上傳到服務(wù)器，由服務(wù)器進行識別，但這對服務(wù)商網(wǎng)絡(luò)的速度、服務(wù)器的處理能力、數(shù)據(jù)庫等提出了很高的要求與很大的挑戰(zhàn)。

因此，從某些技術(shù)上講，未來要達到無縫的語音交互境界，難度還是相當(dāng)大的。

除了技術(shù)方面的攔路虎，語音應(yīng)用還面臨商業(yè)模式、生態(tài)圈建設(shè)的重大難題。從桌面時代轉(zhuǎn)變到移動時代，全新的語音搜索和語音助手也需要新的商業(yè)模式。而這中間的環(huán)節(jié)涉及很多不同領(lǐng)域的技術(shù)服務(wù)商和開發(fā)者，需要將所有的生態(tài)鏈打通，覆蓋用戶體驗的完整路徑。因為要涉及所有的上下游環(huán)節(jié)，每項語音產(chǎn)品就需要和很多服務(wù)商、開發(fā)者合作、協(xié)調(diào)，市場鏈條的高度復(fù)雜性非常明顯。這就觸及商業(yè)利益如何合理分配的問題。比如科大訊飛只做語音識別、自然語言理解這些入口層的技術(shù)，后端的服務(wù)常就轉(zhuǎn)給擅長處理該需求的合作伙伴來做。

不過，新興技術(shù)總要經(jīng)歷不斷完善的過程，蒸汽機經(jīng)多次改良才帶來了大規(guī)模工業(yè)化，語音技術(shù)或也如此，其根本的優(yōu)勢注定它將會把人類帶入一個移動生態(tài)的新時代，它終會爆發(fā)，迎來春天的！

（編輯：寇尚偉 358902172@qq.com）