语音应用普及需突破技术壁垒

本篇文章2369字，读完约6分钟

Lg推出了类似苹果siri的韩国语音助理服务“quick voice”，谷歌推出了android语音服务robin来处理苹果的汽车导航语音服务siri，百度移动发展总监岳国峰也在早前透露，百度将在今年晚些时候推出类似siri的应用...苹果siri的推出引发了消费终端产品语音控制的热潮，各大厂商竞相推出类似siri的语音应用，给智能语音市场带来了新一轮的竞争。 如今，语音应用相当热门，但仍面临许多问题:存在技术障碍，智能化程度不够高，语音和语义经常存在歧义，不能达到理想的人机交互效果；语音应用需要根据当地的文化和语言特点来开发。此外，需要进一步探索用户意识。 抓住市场机遇，厂商竞相推出类似siri的语音应用 苹果siri的出现，让越来越多的用户关注智能语音应用。为了抓住市场机会，制造商们竞相推出类似siri的语音应用，智能语音市场一度非常活跃。 lg推出类似siri的韩国语音助理服务。据媒体报道，韩国电子巨头lg最近推出了一项类似苹果siri的语音助理服务“快速语音”(目前没有正式的英文名称，但可以自由翻译成韩语)。它将登录lg擎天柱系列手机，让用户通过语音命令搜索、导航和管理日程，并支持11个应用程序，包括电话、电子邮件、地址簿、闹钟和日历。与此同时，lg还与许多当地商家如餐馆建立了合作关系。当用户需要某个餐馆的地址、联系信息和优惠券时，他们只需要通过语音获取。由于siri目前还不支持韩语，lg此举显然是为了在苹果新的移动操作系统ios 6发布之前占领韩国市场。 罗宾登陆谷歌安卓平台。最近，一个名叫罗宾的语音助手登陆了谷歌安卓应用商店谷歌游戏。据悉，robin专注于汽车导航服务，主要为驾驶员提供方向导航、位置查询、实时停车位置、交通信息、油价、天气信息查询以及各种定位服务，并有语音和手势操作界面，通过输入语音可以获得语音输入指令，保证对话自然流畅进行，并可以跟踪对话中隐含的上下文。此外，它还将发挥个性化广播的作用。通过收集和分析大量信息，罗宾可以根据个人喜好讲个人推特新闻或讲笑话。对此，美国科技博客称，“安卓的罗宾让苹果siri面临激烈竞争。” 百度可能会在年底推出siri语音应用。国内搜索引擎巨头百度在语音应用领域也不甘示弱。百度移动开发部主任岳国峰此前透露，百度已经招聘了大量R&D员工来拓展平台的功能，并将在今年晚些时候推出类似siri的应用，即语音搜索和语音输入。 有着光明的未来，智能语音应用引发了终端控制的新高潮 siri是苹果iphone 4s内置的语音控制功能。用户可以阅读短信、介绍餐馆、询问天气，还可以通过语音控制设置闹钟。Siri可以支持自然语言输入，并可以调用天气预报、日程安排、数据搜索和系统附带的其他应用程序。此外，它可以不断学习新的声音和语调，并提供对话式的回应。据了解，siri目前支持四种声音，即英语、法语、德语和日语。 siri是目前市场上出现的各种移动设备的语音识别系统的总称。苹果在中国拥有巨大的消费者市场，但siri不支持中国人。对此，一家外国媒体表示，汉语对于语音识别来说极具挑战性，因为普通话只有400个单音节音，根据声调来区分，而且中国有许多方言和无数的地方口音，这可能是siri中文版推出延迟的主要原因。目前，面对市场和客户日益增长的语音应用需求，国际巨头苹果的劣势对国内初创企业来说是一个机遇。中国语音市场酝酿已久的大规模语音应用的时机越来越成熟，出现了虫洞、语音点、智能360、ciriis等中文语音助手。 相对而言，中文版的siri注重发音的本地化。在语音助手的中文版本中，以智能360应用中的“机器人的声音(300024)”设置为例，有12种声音可供选择。除了传统的男女普通话、男孩女孩普通话、老人普通话之外，还有许多具有地方特色的普通话，如台湾普通话、女孩东北方言、男孩河南方言、女孩陕西方言。在同一个物种中，虫洞在这方面也表现出色，提供多达18种发音选择，并准确掌握不同地方的发音技巧和规则。 语音识别提高了移动设备的实用性和功能性，具有广阔的前景。如今，许多移动设备都使用了语音识别技术。在移动商业应用中使用语音识别，用户可以通过语音特征执行导航和搜索功能。例如，将语音集成到应用软件中可以为经常在开车时收发短信和电子邮件的司机提供服务，这样他们就可以在开车时稍微分心并做其他事情。 智能化程度不够高，语音应用需要突破技术壁垒 虽然国内智能语音应用越来越热，但仍面临许多问题。 首先，存在技术障碍，智力水平不够高。据了解，市场上类似siri的语音助手不能回答用户的每一个问题。对于一些关于日常饮食、衣着、住房和交通的简单问题，这些语音助手基本上可以给出相对清晰的答案，但对于一些稍微复杂的问题，答案通常是模糊的或简单的“太极”。以smart 360和虫洞为例，问自己:“你有男朋友吗？”Smart 360给出的答案是“努力工作”；虫洞给出的答案很恰当，“男朋友？我答应了，至于你信不信，反正我也不信。”因为“美国为什么攻击伊拉克？”这样的问题，虫洞似乎装傻卖可爱:“我不明白！哦，我怀疑你是故意欺负我。我要告诉我妈妈。” 其次，语音控制技术还有很大的障碍，语音和语义往往存在歧义，不能达到理想的人机交互效果。这些siri的模仿者通常面临一个共同的问题。他们通常明白你在说什么，但他们不明白你在说什么。换句话说，事实上，它能识别人的语音功能，但不能准确地解释语义，这使得许多用户经常出现“他们问的不是他们回答的”的可笑情况。 第三，需要根据当地文化和语言特点开发语音应用程序。为了达到理想的人机交互效果，语音和语义的有机完美结合可以避免回答无关问题的尴尬，这就要求根据当地文化和语言特点开发语音应用。同时，用户的使用和认知需要进一步探索。