語音交互的“金礦”

正月

人工智能等技術(shù)都在背后加快著計(jì)算機(jī)的“聽說”功能。

對著谷歌 Home智能音箱，“偷偷”告訴它你想買買買的東西。英語、法語、西班牙語、印度語……語言沒有阻礙你的手機(jī)會瞬間知曉這個(gè)“秘密”，并且還能顯示搜索結(jié)果。

當(dāng)然，除了懂得多國語言，谷歌 Home的語音配對（Voice Match）功能，可以讓最多六個(gè)用戶連接到同一臺音箱。據(jù)說它是首個(gè)具備此功能的智能音箱，也因此顯得與其它智能音箱更加不同。

現(xiàn)在，語音助手已然成為智能手機(jī)們的標(biāo)配，有“個(gè)性”就成為差異化的要素。比如蘋果的Siri是個(gè)段子手、三星的Bixby成了消除孤獨(dú)寂寞冷的高手……

去年10月推出的谷歌 Pixel手機(jī)在今年升級后會展現(xiàn)什么樣的個(gè)性呢？這可能要取決于 “谷歌 Assistant”的發(fā)揮。

這個(gè)工具能夠整合日歷和事件功能，可以根據(jù)用戶當(dāng)前的位置、活動項(xiàng)目整合服務(wù)，而不再是單一的網(wǎng)絡(luò)搜索功能。“在不同設(shè)備之間通用的谷歌 Assistant，通過機(jī)器學(xué)習(xí)，會隨著時(shí)間的推移而變得越發(fā)強(qiáng)大。”谷歌 Assistant 工程總監(jiān)Pravir Gupta說。

這是谷歌正在探索的軟件硬件結(jié)合的模式。人工智能等技術(shù)都在背后加快著計(jì)算機(jī)的“聽說”功能。比如深度神經(jīng)網(wǎng)絡(luò)技術(shù)提高了語音搜索中語音識別的準(zhǔn)確性，這使得用戶在嘈雜的環(huán)境中也可以與手機(jī)自由對話。在機(jī)器學(xué)習(xí)的幫助下，自然語言處理系統(tǒng)能夠更好地理解人們想說的話。

現(xiàn)在谷歌語音搜索支持 119 種語言，其中包括 11 種印度語言和 3 種印度尼西亞語言。Pixel Buds是一種能實(shí)時(shí)將你周圍別人說的話翻譯成你的母語的耳機(jī)，運(yùn)用了語音識別和翻譯技術(shù)。有了它你就能在陌生的語言環(huán)境中漫游，幾秒鐘后便能翻譯成你的母語。這項(xiàng)技術(shù)的翻譯效果也將隨著時(shí)間的推移得到顯著的提升。

另一方面，機(jī)器學(xué)習(xí)正在實(shí)現(xiàn)文本向語音轉(zhuǎn)換，通過轉(zhuǎn)換引擎，手機(jī)可以用語料并不豐富的語種，比如孟加拉語、高棉語和爪哇語與人們對話。機(jī)器學(xué)習(xí)模型有助于減少構(gòu)建文本到語音模型所需的數(shù)據(jù)量。

人工智能等技術(shù)也反過來被應(yīng)用到最新一代的Pixel手機(jī)中。機(jī)器學(xué)習(xí)和計(jì)算攝影技術(shù)的結(jié)合使新款Pixel 手機(jī)具備了人像模式功能。這個(gè)功能能夠在拍攝人像時(shí)柔和虛化背景，讓Pixel在拍照功能上能夠和IPHONE 7 Plus之后的手機(jī)媲美。

語音的新戰(zhàn)場

好的醫(yī)療文檔有助于醫(yī)療團(tuán)隊(duì)成員更好的照顧病患。現(xiàn)在醫(yī)生們經(jīng)常要在工作日中花6～11小時(shí)在電子病歷上，醫(yī)生們嘗試使用工具來創(chuàng)建醫(yī)患對話的日志。而語音技術(shù)在“翻譯”醫(yī)患對話上找到了新的戰(zhàn)場。

谷歌 Brain團(tuán)隊(duì)嘗試使用谷歌 Assistant、谷歌 Home以及谷歌 Translate來紀(jì)錄醫(yī)患對話，并總結(jié)記錄。在“醫(yī)療對話中的語音識別”項(xiàng)目中，這個(gè)團(tuán)隊(duì)展示了使用自動語音識別模型紀(jì)錄醫(yī)療對話的可能。大部分現(xiàn)有的醫(yī)療自動語音識別解決方案，主要是識別醫(yī)生醫(yī)囑，也就是說識別一個(gè)人的專用醫(yī)療術(shù)語。而這個(gè)項(xiàng)目是建立能夠識別多人對話，并且內(nèi)容涵蓋從天氣到醫(yī)療判斷的語音模型。

谷歌的這個(gè)團(tuán)隊(duì)與斯坦福大學(xué)的醫(yī)生和研究者一起開展工作。實(shí)際上，斯坦福大學(xué)已經(jīng)在使用技術(shù)提升醫(yī)生滿意度上做了廣泛研究，理解類似自動語音識別技術(shù)如何抓取醫(yī)生的記錄。

在一項(xiàng)研究中，團(tuán)隊(duì)研究了何種類型的醫(yī)療相關(guān)信息能夠被從醫(yī)療對話中抽取出來，從而降低醫(yī)生不斷打開電子病例的頻率。這項(xiàng)研究獲得了病人的授權(quán)，并且為了保護(hù)個(gè)人隱私而模糊了病患身份。谷歌團(tuán)隊(duì)希望這項(xiàng)研究不僅能降低醫(yī)生的日常工作負(fù)載，還能幫助病患得到更好的醫(yī)療照顧。

掘金大部隊(duì)

除了谷歌之外，微軟、亞馬遜等公司都是語音識別市場上的主要玩家。為推動AI語音技術(shù)發(fā)展、同時(shí)阻擊蘋果和谷歌等競爭對手，微軟和亞馬遜還選擇“抱團(tuán)”策略，雙方在9月就AI語音助手合作達(dá)成了共識，將雙方各自的智能語音助理Cortana和Alexa進(jìn)行整合。

通過此次合作，雙方的語音助手將能夠互相激活。亞馬遜Alexa的用戶可以訪問微軟Cortana的一些特有功能，如工作日歷，閱讀工作郵件。而Cortana的用戶可以通過Alexa在亞馬遜網(wǎng)站上購物，也可以控制家中的智能設(shè)備。不過，評論認(rèn)為有一個(gè)現(xiàn)實(shí)壁壘擺在微軟和亞馬遜面前，這兩家公司都沒有自己的智能手機(jī)。

微軟旗下的智能語音助手Cortana與亞馬遜旗下的Alexa、谷歌旗下的谷歌 assistant和蘋果旗下的Siri正在智能家居領(lǐng)域鋪開全面競爭，這幾家IT巨頭都在試圖將旗下的智能語音服務(wù)滲透到人們生活的各個(gè)場景中爭奪入口。

三星除了自有的Bixbay外，還奉行開放策略。三星電子旗下音箱和汽車零部件企業(yè)哈曼國際公司所推出的音箱分別支持谷歌Assistant、亞馬遜 Alexa 以及微軟 Cortana。哈曼旗下?lián)碛蠮BL等多個(gè)知名品牌。語音操控系統(tǒng)與硬件的結(jié)合，成為巨頭公司圈地之戰(zhàn)。

不過，作為人類延長器官而存在的智能手機(jī)決定了這才是語音識別技術(shù)的最大戰(zhàn)場。一項(xiàng)調(diào)查顯示，語音識別市場在2023年將價(jià)值183億美元，年復(fù)合增長率將達(dá)到19.8%。