语音交互,王者归来:语音无极限5王者归来

　　“商标侵权案”并没有影响到业界对于苹果iPad的热度。近日，有消息称苹果将在3月的第一周内发布iPad 3，其中将会添加Siri语音功能，并在原有的英语、法语、德语基础上，新增对日语的支持。
　　另一方面，苹果的老对手谷歌也已经宣称正在开发类似Siri的语音控制技术――Majel，用来替代Android系统中现有的Voice Actions。
　　毫无疑问，以去年10月Siri发布为时间界限，沉寂多年的语音交互技术正在重新回到业界的关注中心。
　　语音“国战”来袭
　　全球市场上，新一代语音交互技术的竞争已经在苹果的带动下全面打响。在今年年初的CES展上就可以看到，语音技术已成为各大巨头争相投入的重点，智能手机、PC、智能电视、汽车等产品均引入了语音服务功能。
　　而在国内，从各大厂商争相推出智能语音服务来看，中文语音市场同样暗流涌动。“目前类似苹果Siri的产品还没推出中文版本。所以，谁能更快开发出支持中文识别的版本，谁就能占据中文语音市场的高地。”艾媒咨询集团董事长张毅认为。
　　近日，优视科技推出的最新UC浏览器8.2 Android版，已经可以通过语音发出多种控制指令。优视董事长兼CEO俞永福表示：“手机天生就有眼睛(摄像头)、嘴巴(麦克风)、耳朵(听筒)、位置(GPS)，围绕这些特性，手机与人的人机交互模式会发生更多革命性的变化。”
　　记者在体验该产品时发现，在浏览页面过程中，只要口头说出“前进”、“后退”、“加入书签”即能实现相应操作；所有的语音识别都会被上传到云端进行智能语义解析，再回到终端执行，识别的成功率相当高。
　　2月16日，天猫祭出了“新花招”，网友只要对着麦克风发出“喵”的声音，就有可能获得5元、1000元的现金红包。据天猫的工作人员介绍，“喵一声”的背后其实是“Flash声纹比对技术”，是一种“娱乐版”的语音识别技术――声音通过终端麦克风搜集上传，再通过云端提取声纹与标准值进行对比，最后反馈给终端用户。“使用起来非常简单方便，与以前那些需要手动操作的活动相比，这个形式就省事多了。”一位参加过活动的用户告诉记者。
　　此外，腾讯、长虹、TCL、百度等国内厂商也纷纷推出了基于云端语音识别引擎的产品。
　　“设想一下，如果所有的人机交互操作都可以通过语音完成，这将大大减少文本输入和功能之间的频繁切换。随着产品的更新换代，更多的应用程序会支持语音交互，最终有可能把终端变为智能机器人。”汉语语音技术企业科大讯飞公司董事长刘庆峰认为，随着消费者对语音技术认识的加深，这个行业正在迎来蓬勃发展的时间窗口。
　　移动互联的契机
　　其实，语音技术在IT界并不是一个新鲜的话题。
　　早在2000年，比尔.盖茨就曾提出“未来10年是语音的时代”。而IBM、英特尔和摩托罗拉等巨头也在语音领域有过多年的技术投入。不过，由于缺乏成熟的应用产品，功能上仅依赖于识别终端上原有的语音指令，因此长期以来都不是消费市场上的重要概念；而在PC时代，人机交互方式被更为精确、快速的键盘与鼠标所控制，这同样导致了识别度低下的语音技术无法获得市场的青睐。
　　现在，移动互联的兴起，加之相关技术的逐渐成熟，给语音这种交互方式带来了全新的契机。
　　事实上，新一代语音交互技术的崛起，并不是因为在识别技术上实现了多大的突破，更关键的是将语音与智能终端以及云端后台进行了恰到好处的整合。“前端使用了语音识别以及语音合成技术；重点在后台，集成了网页搜索、知识计算、资料库、问答推荐等各种技术，弥补了过去语音技术单纯依赖前端命令的局限性。”手机行业资深人士海东分析道。
　　此外，随着智能手机的大量普及、群体时间的不断碎片化，个人计算中心移动化的趋势已经开始出现。对于移动终端来说，传统的键盘与鼠标并不能很好地满足用户的输入需求；语音则能解放用户的双手，交互的方式更加直观简便，相对来说能够获得更好的体验。未来，随着交互技术的不断演进以及使用者对人机交互的兴趣逐渐浓厚，手机、电脑等电子产品也不再仅仅是一种工具，而是逐步转变为类似科幻电影中的机器人角色――“人类说话，机器理解”，交流协作的人机交流模式正在逐步实现。
　　乔布斯生前谈到对Siri的展望时就曾说：“虚拟个人助理（VPA）代表着下一代互联网交互方式。它通过分析交互历史，得出个人偏好，来帮助人们解决具体的事务，并通过经验积累变得更好。”
　　由此可见， 未来语音服务的准确度和服务质量将取决于和使用者的磨合程度――使用的时间越长，后台捕捉到的用户个性化偏好就越多，也就意味着“私人助理”的价值是和使用时间成正比的。
　　不过，新一代语音交互技术在满足消费者新鲜感的同时，仍然存在着一些问题。首先，云端智能语音解析技术确实能够提升识别率，但由于多了“上传－解析－回馈”的步骤，因而对速度和网络流量的要求较高。尤其是在Wi-Fi和3G网络基础建设尚未成型的国内，这将会大幅削弱用户体验，影响到各种应用的实用性。
　　另一方面，语音交互始终面临着隐私的问题。在公开场合使用智能手机时，多数人并不愿意将自己的操作步骤或者想做的事情公之于众，这时语音交互就无法很好地保护个人隐私。