語音成移動(dòng)互聯(lián)網(wǎng)新入口

吳勇毅

“只動(dòng)嘴不動(dòng)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(shí)。

阿里巴巴說出“芝麻芝麻，開開門”，寶庫(kù)的厚重石門便自動(dòng)打開了。這個(gè)古老的阿拉伯神話，在如今數(shù)字時(shí)代語音技術(shù)的幫助下，完全可能成為現(xiàn)實(shí)。在多年的技術(shù)積累后，時(shí)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(dòng)互聯(lián)領(lǐng)域的絕對(duì)熱點(diǎn)之一。除了國(guó)外Siri、Google Now、微軟必應(yīng)添加的語音搜索功能外，近一兩年，國(guó)內(nèi)市場(chǎng)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(diǎn)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(guó)際IT巨頭、互聯(lián)網(wǎng)大佬，也有二三十人的創(chuàng)業(yè)團(tuán)隊(duì)，市場(chǎng)堪稱火爆，愈演愈烈。

智能語音交互技術(shù)日新月異

時(shí)下，語音應(yīng)用分為三大技術(shù)環(huán)節(jié)：語音識(shí)別、語義理解、搜索，每個(gè)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(duì)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(shí)類搜索需求，例如用戶如果希望播放某首歌，就進(jìn)入百度音樂等垂直搜索；如果是綜合類的搜索需求，就進(jìn)入百度的搜索引擎；如果是知識(shí)類需求，例如問“世界最長(zhǎng)的河流是哪個(gè)”，語音助手就會(huì)進(jìn)入知識(shí)庫(kù)給出結(jié)果。第三類是調(diào)侃類的需求，百度有互動(dòng)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(shí)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(shí)別技術(shù)推到應(yīng)用的臺(tái)前。語言的創(chuàng)造原本就是人類歷史的一個(gè)拐點(diǎn)，而當(dāng)將語言與科技結(jié)合時(shí)，所謂的人機(jī)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(dòng)互聯(lián)網(wǎng)，語音識(shí)別在移動(dòng)終端上的應(yīng)用最為火熱。語音對(duì)話機(jī)器人、語音助手、互動(dòng)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(cái)力展開此方面的研究和應(yīng)用。在國(guó)內(nèi)，目前除了手機(jī)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(diǎn)、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(gè)很炫的功能。用戶以自然語言的方式對(duì)智能手機(jī)下達(dá)指令，而手機(jī)根據(jù)用戶語音和用戶當(dāng)前的環(huán)境及上下文對(duì)用戶意圖進(jìn)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(jī)會(huì)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(jī)上網(wǎng)領(lǐng)域，讓打開網(wǎng)頁(yè)、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(jī)就會(huì)自然跳出搜狐網(wǎng)來，用不著用手輸入網(wǎng)址。

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

在未來的物聯(lián)網(wǎng)時(shí)代，“說出需求得到落實(shí)”的互動(dòng)模式將進(jìn)一步延伸，屆時(shí)所有的手機(jī)、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(duì)著手機(jī)就可給各種電器下達(dá)命令，電器就能自動(dòng)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(shí)。

而未來，借助語音識(shí)別技術(shù)，可實(shí)現(xiàn)“只動(dòng)嘴不動(dòng)手”的智能化支付，更能讓用戶體驗(yàn)到高速便捷。比如，消費(fèi)者可對(duì)著手機(jī)發(fā)出命令——“請(qǐng)轉(zhuǎn)賬500元到××賬戶”，手機(jī)就能幫助消費(fèi)者輕松實(shí)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(duì)著手機(jī)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(biāo)志著百度和去哪兒在語音技術(shù)領(lǐng)域再上一層樓，“只動(dòng)嘴不動(dòng)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(jí)產(chǎn)品總監(jiān)楊昌樂表示，他非常看好智能語音的未來發(fā)展前景，智能語音最終必然會(huì)成為手機(jī)端的一個(gè)重要輸入手段，并且會(huì)對(duì)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(guó)內(nèi)最大的獨(dú)立第三方支付平臺(tái)支付寶，也已逐步針對(duì)全國(guó)手機(jī)用戶推出獨(dú)創(chuàng)的語音支付方式。此舉將令國(guó)內(nèi)數(shù)億手機(jī)用戶有機(jī)會(huì)通過手機(jī)終端隨時(shí)隨地完成語音支付行為。

一項(xiàng)公開調(diào)查的數(shù)據(jù)顯示，除了通常網(wǎng)上購(gòu)物之外，40%的消費(fèi)者會(huì)選擇電視購(gòu)物，34%的消費(fèi)者會(huì)選擇目錄購(gòu)物，在這些人中，65%的消費(fèi)者表示愿意在一定條件下使用語音支付進(jìn)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(jìn)化，Enfodesk易觀智庫(kù)研究發(fā)現(xiàn)，語音必將成為日后移動(dòng)互聯(lián)網(wǎng)的最重要入口之一。手機(jī)和PC相比有著先天的操作和視覺劣勢(shì)（手機(jī)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(jī)器的操控交流，讓手機(jī)成為更智能化、更人性化、更通用的工具。Enfodesk易觀智庫(kù)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(chǎng)將達(dá)到600多億美元，未來三年年復(fù)合平均增長(zhǎng)率高達(dá)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(rèn)為，語音應(yīng)用能否成為下一個(gè)移動(dòng)應(yīng)用重要入口，還要經(jīng)過技術(shù)和市場(chǎng)的雙重考驗(yàn)。無論是類似蘋果的“大?！保€是口碑相傳的智能360，目前均尚未帶動(dòng)語音成為移動(dòng)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(rèn)真的態(tài)度投入語音應(yīng)用，語音用戶市場(chǎng)還是發(fā)展不太快，離達(dá)到流量變現(xiàn)的程度還有一段距離。而目前國(guó)內(nèi)手機(jī)語音搜索市場(chǎng)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(chǎng)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(rèn)的是，語音技術(shù)在人機(jī)交互中仍有一些尷尬局面。比如語音識(shí)別的正確率，其在實(shí)際應(yīng)用中依然不夠“聽話”。一些專家認(rèn)為，中國(guó)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(huì)有差距。機(jī)器系統(tǒng)哪怕采樣再全，識(shí)別率也不會(huì)太理想。比起其他語種，中文的識(shí)別難度會(huì)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(shí)別難度會(huì)更大，甚至同一句話的不同語氣，其表達(dá)意思也不同，這就讓語音技術(shù)難以識(shí)別其準(zhǔn)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(shí)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(gè)最大痛點(diǎn)。不過，業(yè)界專家對(duì)此進(jìn)行反駁，任何事物沒有所謂百分之百完美，語音識(shí)別準(zhǔn)確率達(dá)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(kù)，以更加精準(zhǔn)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(jìn)行識(shí)別，但這對(duì)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(kù)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(dá)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(shí)代轉(zhuǎn)變到移動(dòng)時(shí)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(yàn)的完整路徑。因?yàn)橐婕八械纳舷掠苇h(huán)節(jié)，每項(xiàng)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(chǎng)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(shí)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(zhǎng)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(jī)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(shì)注定它將會(huì)把人類帶入一個(gè)移動(dòng)生態(tài)的新時(shí)代，它終會(huì)爆發(fā)，迎來春天的！

（編輯：寇尚偉 358902172@qq.com）