科客點(diǎn)評：電影都變成了現(xiàn)實(shí)。

　　有部美國電影叫《Her》，講述了一個(gè)宅男愛上電腦操作系統(tǒng)的故事。他每日每夜通過耳機(jī)與聲音性感的薩曼莎（類似Siri的女聲）對話，談情說愛，甚至一起意淫XO。但遺憾的是薩曼莎并不存在，她只是未來人機(jī)交互的一個(gè)紐帶。

　　愛上機(jī)器也許聽起來不可思議，但電影《Her》描繪的新世界其實(shí)并不遙遠(yuǎn)。也許用不了幾年，我們的雙手和眼睛就會從人機(jī)交互之中釋放出來。控制機(jī)器，你將 不再需要敲打鍵盤、觸摸屏幕。隨著語音交互技術(shù)的進(jìn)步，你需要做的僅僅是發(fā)號施令，用人類最原始的方式與機(jī)器交談。在你的周圍，萬物聯(lián)網(wǎng)，隨時(shí)待命，整個(gè)世界仿佛都在豎起耳朵，聽候你的差遣。

　　與世界對話，你仍然需要一個(gè)助手。現(xiàn)在看來，最適合承載這一使命的似乎還將是手機(jī)。畢竟，這是一個(gè)集成了通訊、社交、學(xué)習(xí)、工作等等無數(shù)功能的百寶箱，暫時(shí)無可替代。目前興起的智能家居、可穿戴設(shè)備，也都紛紛把手機(jī)當(dāng)成控制中心和數(shù)據(jù)中心。

　　新技術(shù)意味著新商機(jī)、新格局。在按鍵時(shí)代，手機(jī)行業(yè)的霸主是諾基亞；在觸控時(shí)代，蘋果一騎絕塵。在語音交互的新時(shí)代，又將成就哪些商業(yè)的寵兒？

　　我們完全有理由相信：未來是屬于語音手機(jī)的。當(dāng)然，每一個(gè)行業(yè)在黎明到來前，都會經(jīng)歷漫長的黑暗時(shí)光。語音手機(jī)要想崛起，也注定要經(jīng)歷不少曲折。

你好，世界

　　人們都在期待一個(gè)全新的未來，機(jī)器能聽會說、有感情、懂思考的未來。不過，彼岸并非伸手可觸。在幻想人工智能普及之前，我們必須建立起一個(gè)與機(jī)器自由交流的通道，不需要代碼、不需要鍵盤和屏幕，而是用人類最原始的方式——語言，來對話。

為什么一定要用語言？

　　首先，人類發(fā)明機(jī)器的目的是為了提高效率、節(jié)省時(shí)間。長期以來，機(jī)器的能力飛速增長，但人與機(jī)器交流手段的變化卻并不明顯。可以說，人機(jī)交互已成為效率瓶頸。要想讓世界運(yùn)轉(zhuǎn)的更快，機(jī)器必須聽得懂人的語言。

　　對人來說，語言交流也是最省力的手段。它可以徹底解放你的雙手和雙眼，你不再需要盯著手機(jī)屏幕、不再需要手動觸摸電子設(shè)備，就可以使它們按照你的意愿運(yùn) 轉(zhuǎn)，這種變化絕不僅僅意味著酷。對于在視覺、觸覺等方面存在障礙（如老年人、弱視、殘障人士）或不適合（如兒童需要保護(hù)視力）的龐大特定人群，語音同樣是 最佳的交互選擇。

　　此外，聲紋也是最契合萬物互聯(lián)時(shí)代的應(yīng)用之一。每個(gè)人說話時(shí)使用的發(fā)聲器官——舌、牙齒、喉頭、肺、鼻腔在尺寸和形態(tài)方面差異很大。所以，聲紋所攜帶的個(gè) 人生物識別信息是與安全結(jié)合的天然基礎(chǔ)，而這種非接觸特性相對接觸式生物識別信息（比如指紋），可以為用戶帶來更多便利性和更好的用戶體驗(yàn)，也可以規(guī)避一 些安全性方面的隱患。

　　在2G和3G時(shí)代，流量成為了語音交互的瓶頸。語音數(shù)據(jù)庫累積較慢，又限制了語音辨識與語義理解的提升。而缺乏大數(shù)據(jù)支持，又導(dǎo)致語音功能體驗(yàn)較差，惡性 循環(huán)。4G時(shí)代的來臨為語音帶來了福音，首先，傳輸速度大大提升，用戶流量較多，使用語音變得頻繁，容易形成海量數(shù)據(jù)庫，辨識度和語義理解將隨之改善，為 語音交互整體爆發(fā)提供了基礎(chǔ)。

　　是時(shí)候和你身邊的機(jī)器談?wù)勑牧恕?/span>

生態(tài)鏈初現(xiàn)

　　越來越多的手機(jī)、平板、智能家居、可穿戴設(shè)備，以及車載設(shè)備，正在日益重視語音的作用。特別是蘋果Siri、騰訊微信、科大訊 飛等主流企業(yè)和產(chǎn)品，一直在培養(yǎng)人們的語音習(xí)慣。谷歌預(yù)計(jì)目前大約有50%的Android設(shè)備通過語音進(jìn)行搜索，咨詢公司SA則預(yù)測含語音及手勢觸覺反 饋技術(shù)的智能機(jī)目前在中高端智能機(jī)上已經(jīng)很普遍，2014年發(fā)貨規(guī)模將達(dá)到5.7億部，滲透率（占智能機(jī)）約一半左右。

　　經(jīng)過多年的發(fā)展，智能語音人機(jī)交互產(chǎn)業(yè)目前已經(jīng)形成了從核心技術(shù)研發(fā)到知識庫提供再到應(yīng)用、服務(wù)的完善的產(chǎn)業(yè)鏈。

　　在核心技術(shù)方面及應(yīng)用方面，世界各國都在賽跑。美國設(shè)立的DARPA高科技研究計(jì)劃、日本設(shè)立的“第五代計(jì)算機(jī)”技術(shù)攻關(guān)計(jì)劃、歐洲尤里卡計(jì)劃中對該方向均設(shè)立了專項(xiàng)予以重點(diǎn)支持。IBM、微軟、Motorola、Nuance等國外著名的IT廠商也在同臺競技。

　　在中國，核心技術(shù)研發(fā)環(huán)節(jié)，有小i機(jī)器人等智能機(jī)器人廠商，以及清華、中科院等人工智能技術(shù)研究院校和科研院所；人機(jī)交互技術(shù)及服務(wù)提供商，如科大訊飛、 捷通華聲、車音網(wǎng)等語音技術(shù)提供商及微信、QQ等平臺服務(wù)商；在數(shù)據(jù)和內(nèi)容提供商環(huán)節(jié)更是百花齊放；智能終端領(lǐng)域則有中興、聯(lián)想、華為等廠商。

　　不過，語音交互的爆發(fā)光靠每個(gè)產(chǎn)業(yè)鏈條的單兵作戰(zhàn)并不足夠。市場亟需一個(gè)能夠整合各方資源的平臺方，而這個(gè)平臺方必須離用戶最近，既當(dāng)數(shù)據(jù)入口、也當(dāng)交互中心。

　　語音手機(jī)便應(yīng)運(yùn)而生。

語音手機(jī)的輝煌時(shí)代將至

　　手機(jī)，離我們距離最近的移動終端，從鍵盤輸入到觸摸屏輸入，用了30年時(shí)間。每一次操作方式的進(jìn)步，都催生出了一批世界級的企業(yè)出現(xiàn)。語音手機(jī)時(shí)代的到來也不例外。

　　智能終端、家電、汽車市場，在這些多樣化的智能應(yīng)用場景下，語音的優(yōu)勢以及價(jià)值一旦發(fā)揮出來，天然的交互入口導(dǎo)流作用，將對即時(shí)通訊、搜索、購物、LBS 等垂直應(yīng)用服務(wù)市場產(chǎn)生巨大的影響。語音交互將凌駕于搜索引擎、社交工具等其他應(yīng)用入口之上，形成一個(gè)以語音交互技術(shù)為核心的全新應(yīng)用生態(tài)鏈。

　　與傳統(tǒng)的手機(jī)相比，未來的語音手機(jī)將支持語音喚醒手機(jī)、語音拍照、語音控制音樂播放、語音控制其他APP等等。當(dāng)你駕車時(shí)，用語音可以喚醒手機(jī)、解鎖手 機(jī)，用語音直接撥叫通訊錄里的號碼，接聽電話，而不用擔(dān)心影響注意力；當(dāng)你用手機(jī)自拍時(shí)，用語音就可以拍出一張完美的照片，不用擔(dān)心手抖的問題；當(dāng)你想在 手機(jī)的眾多軟件里搜索你需要的軟件時(shí)，運(yùn)用語音指令就可以迅速啟動軟件。

　　這些功能體驗(yàn)也許還談不上完美，但我們已經(jīng)看到，有越來越多的玩家正在加入這一陣營。隨著支持語音功能的手機(jī)、軟件、應(yīng)用，以及其他硬件產(chǎn)品越來越多，語音交互積累的數(shù)據(jù)和交互的體驗(yàn)質(zhì)量相互促進(jìn)，萬物語音的時(shí)代真的已經(jīng)不遠(yuǎn)了。

　　當(dāng)然，在此之前，個(gè)性化的語音識別和語義理解技術(shù)還需要持續(xù)改進(jìn)，水滴石穿，非一日之功。語音時(shí)代前途光明，語音手機(jī)大有可為。

　　一切才剛剛開始。（賀樹龍，微信公號：heshulong1988）

注：轉(zhuǎn)載文章，不代表本站贊同其觀點(diǎn)和對其真實(shí)性負(fù)責(zé)，本站不承擔(dān)此類稿件侵權(quán)行為的連帶責(zé)任。如版權(quán)持有者對所轉(zhuǎn)載文章有異議，請與我們聯(lián)系。