语音识别应用新一轮竞技开启：玩法又要变了

像《钢铁侠》中那样智能先进的语音助手，人类还需要多久能用上？本周，国内几家语音识别厂商先后公布自己的语音识别新策略，似乎人类与语音的自然交互渐行渐近。

科大讯飞昨日公告称，自主研发的离线语音听写引擎将于9月下旬正式发布，将应用于“讯飞输入法”等产品，可满足用户在无网络或弱网络下对语音技术的需求。在这之前几天，另一家企业思必驰也在一次业内沙龙上宣布重新定义人机交互体验的方向，主张让机器从能听会说变成会听能做。

而国外巨头也在布局语音识别领域。昨日有外媒报道称，微软正在研发代号为“Cortana”自有语音个人助手软件，并计划在下一个Windows Phone平台大升级中推出，以抗衡Google Now及苹果Siri。

如思必驰副总裁兼对话工场总经理李建辉所言，智能设备发展大潮和移动互联时代的到来，让感知计算成为未来人机交互的发展方向，需要更加自然、直观和身临其境的交互方式。

科大讯飞移动互联事业部副总经理章继东将语音识别产品进化形容为一场马拉松。在这个过程中，有不少厂商已经退出该领域，搜狗语音助手也不复曾经的高调推广，Airi在一年前已经停止更新。另一款小i机器人转做B2B市场。

有厂商退出，又有新的厂商进入，一轮基于语音识别应用的新的布局和竞技已然开始。

蹩脚的语音交互体验

尽管科大讯飞的讯飞输入法语音识别率可以达到95%以上，但从整个语音识别应用来看，现阶段的用户体验只能用蹩脚来形容。

一方面是语音交互的错误容易传递的先天缺陷使然。“如果语音识别的准确率在85%-95%之间，语义分析的准确率在85%-95%之间，最后识别的准确率只有70%-90%。”思必驰首席科学家俞凯说。

对于离线语音技术而言则更加困难。目前，拥有离线语音技术的有谷歌与苹果两大国际巨头以及科大讯飞。但受无网络连接、存储空间有限等原因，科大讯飞的离线语音识别成功率只有85%左右，“刚达到能用的水平。”

另一方面，语音识别技术因为技术门槛太高，往高级功能的进化还刚刚开始。“从语音评测、语音合成到对自然语义的理解，每一个方向都需要足够的语料和算法进行不断的优化。”章继东说。

在技术的优化的同时，还需要构建一个生态系统。比如社区问答，类似刘德华演的电影是什么的问题，或者是基于音乐、视频的知识图谱，类似刘德华都演过什么电影的问题。

“基于语音自然交互越来越便捷会取代键盘输入等方式这是一个趋势，但是上升到刚需的层面，现在不是时候。”章继东说。

重金投向语音识别

尽管困难重重，语音识别技术的大方向已然不可逆转。

“所有手机制造商都在投资语音、拓展语音技术领域的投资，打造更优雅的设计并将其深入集成到手机中。”语音识别技术公司Nuance高级副总裁迈克尔 汤普森这样说。

尽管苹果的Siri屡遭嘲笑，甚至被称为苹果最失败的产品之一，但苹果的投入有增无减。苹果甚至在麻省理工大学（MIT）附近组建了神秘办公室，用以做Siri 语音识别技术的研发。俞凯透露，Siri的语音技术部门的人员保持在1:4的配比。1个人负责研究语音的输入输出，4个人负责自然语言处理，用以攻坚语音自然交互的困难。

在语音识别领域深耕的国内厂商也获得投资用以研发。去年，思必驰获得联想和启迪等三方的联合投资。去年，中国移动通过其子公司以13.63亿人民币的价格入股科大讯飞，占股15%，随后在当年12月联合推出智能语音门户产品“灵犀”。灵犀可以实现语音打电话、发短信、查天气等功能。

谁能引爆语音交互？

“有时候可能就是熬，甚至也有可能未来是由于其他方向带动起来。”章继东说。他认为微信是其中一例。

在微信刚刚推出之时，很多人看到别的用户在对着手机“自言自语”时会觉得很纳闷，后来才发现是微信的语音对讲功能。而现在，人们已经对朝着微信自说自话习以为常。

章继东认为，下一个有可能引爆语音识别应用的是正越来越流行的可穿戴设备。比如手环可以把用户数据传到云端去，然后分析出一个针对个人健康状况的建议。甚至，数据发现一个用户作息不规律，语音助手可以在用户需要休息的时候给出一个语音提示。

更现实的应用是智能手表等可穿戴设备，比如声纹识别和语音唤醒等功能可以成为典型应用。前者用户可以将自己的声音做为开启设备的密码，后者则在用户不接触设备的情况下唤醒设备。

“我们也在和芯片厂商合作，尝试将语音识别技术集成到智能可穿戴设备中，以此来降低功耗，扩大语音识别在可穿戴设备上的应用时间。”一家语音识别技术厂商的负责人说。