自然語音，人機交互的未來

隨著技術(shù)的發(fā)展，人機交互界面在不斷改進，從最初的命令行、窗口圖形界面再到觸摸屏，人機交互的方式變得越來越人性化。觸摸屏之后，又會有哪種交互方式帶來新的變革呢？無疑，語音技術(shù)最令人期待，因為它是人類最自然的交流方式。試想，如果你家的電器設(shè)備都能像你的朋友一樣聽懂你的要求，并按照你的要求作出正確的反應(yīng)，那該是多么美妙的體驗。時下，這種語音交互技術(shù)正越來越多地應(yīng)用到我們身邊的電子設(shè)備中。

早在2011年，IBM的超級電腦“沃森”戰(zhàn)勝美國智力問答節(jié)目《危險邊緣》的兩名冠軍選手，引起極大轟動。從某種程度上說，沃森已經(jīng)可以和人類實現(xiàn)自如語音交流，這離不開其背后強大的計算性能。據(jù)介紹，IBM耗費數(shù)年才研制出沃森，沃森擁有10組Power 750服務(wù)器，運行l(wèi)inux操作系統(tǒng)，具有15TB內(nèi)存，2880個處理器，每秒可進行80萬億次運算，而其體積有10個冰箱大小。

雖然要實現(xiàn)像沃森這樣的自如地人機交互還挑戰(zhàn)重重，但這并沒有阻止語音技術(shù)在特定環(huán)境特定領(lǐng)域的應(yīng)用，尤其是像車載、移動終端這樣的嵌入式設(shè)備中，語音技術(shù)已經(jīng)得到了消費者的認(rèn)可。

Strategy Analytics的統(tǒng)計表明，2012年，中國原始設(shè)備制造商（OEM）所提供的具備語音人機接口的信息娛樂和車載信息通信系統(tǒng)（telematics）的出貨量達到300萬臺，并預(yù)期在2018年達到2000萬臺。在北美和歐洲市場，帶語音交互功能的車載設(shè)備應(yīng)用已很普及。福特SYNC系統(tǒng)，即專為手機和數(shù)字媒體播放器配備的福特車載多媒體通信娛樂系統(tǒng)，是目前車載系統(tǒng)中采用語音交互技術(shù)的成功的案例，已經(jīng)廣泛應(yīng)用在福特多個系列汽車中。搭載SYNC系統(tǒng)后，配合汽車中控臺上的顯示屏，可通過語音控制、兼容并操控便攜式通信/娛樂設(shè)備等方式，讓駕駛者在開車過程中更輕松，便捷地實現(xiàn)諸如語音撥號、語音播出短信內(nèi)容、語音控制音樂播放等功能。

汽車之外，移動互聯(lián)網(wǎng)終端大概是目前最熱衷采用語音交互的另一類產(chǎn)品，自從蘋果率先在其iPhone 4S中推出智能語音助理應(yīng)用Siri后，Google公司也在其安卓智能手機操作系統(tǒng)中推出了Google Now智能語音搜索及問答服務(wù)，微軟公司也將語音技術(shù)應(yīng)用于其Windows Phone.現(xiàn)在，幾乎每一家手機廠商都試圖將語音技術(shù)融于其移動產(chǎn)品、應(yīng)用和服務(wù)中。這其中最主要的一個原因就是這類終端設(shè)備外型小巧，觸摸輸入很不方便，這種情況下，語音交互就變成了一種非常必要的人機溝通的補充方式。這一點，筆者深有感觸，自從使用安卓手機后，筆者一度不再發(fā)短信（太麻煩），現(xiàn)在，安裝了一個訊飛語音輸入法后，又開始和朋友們短信交流了，語音輸入真是又方便又快捷。

雖然語音技術(shù)給我們帶來了極大的樂趣和幫助，但要實現(xiàn)真正流暢自然的語音交互還需要強大的軟硬件技術(shù)協(xié)作。語音技術(shù)牽涉到語音合成、語音識別、語音評測、自然語言理解等多個方面，而語言的復(fù)雜性、多樣性都為語音技術(shù)的應(yīng)用帶來多種挑戰(zhàn)。Nuance、科大訊飛、微軟、IBM、Google都在投入力量研發(fā)語音新技術(shù)。其中，作為中文語音技術(shù)的領(lǐng)導(dǎo)者，科大訊飛已占有中文語音技術(shù)市場70%以上市場份額，其訊飛語音云合作伙伴已經(jīng)超過了10000家，訊飛輸入法也是深入人心。Nuance的語音識別平臺在行業(yè)內(nèi)也得到廣泛應(yīng)用，前面提到的福特SYNC系統(tǒng)、蘋果Siri都采用了Nuance的技術(shù)。前不久，微軟宣布研發(fā)出一種新型語音識別技術(shù)，這項名為“深度神經(jīng)網(wǎng)絡(luò)”的技術(shù)，能夠像人類的大腦一樣處理語言行為，據(jù)稱該技術(shù)比目前的語音識別技術(shù)快2倍。

有了好的語音軟件和算法，還必須要高性能的硬件來支持。相信，隨著語音技術(shù)的發(fā)展和硬件性能的提高，自然語音將為下一代人機交互帶來新的變革。