蘋果Siri領(lǐng)銜 智能語音爆紅

2007年，國產(chǎn)手機金立曾推出一種「語音王」的手機，喊一聲「張三」，它會自動撥打張三的電話，這，算智能語音嗎？

別誤會，這只是一種傻瓜式語音，是單個字識別，一碰到連續(xù)的語句就「萎」了。

2011年10月，蘋果發(fā)布了iPhone 4S，自帶一種Siri的語音控制功能，能幫助用戶讀簡訊、查天氣，還能學習新的聲音語調(diào)，提供對話式問答，蘋果開啟了智能語音交互時代。

不信？來看一組用戶與Siri的測試對話?！改闶钦l？」「我是Siri?！埂改闶桥幔俊埂覆皇恰埂改闶悄泻?？」「我不覺得咱們有時間扯這些」「我喜歡你」「咱倆是不可能的」。

Siri誕生之后爆紅全球，隨后谷歌、百度也推出了類似語音產(chǎn)品。今年hTC、摩托羅拉推出的旗艦機中也帶有此類功能，如小i機器人。

穿戴設(shè)備頻出 催生三個技術(shù)環(huán)節(jié)

易觀分析師王俊認為，智能語音已經(jīng)誕生新的需求，「一些穿戴設(shè)備沒有鍵盤、沒有觸屏，有些連屏幕都沒有?！?/p>

繼索尼、三星發(fā)布智能手表后，10月17日，阿迪達斯也發(fā)布了miCoach SMART RUN，加上此前智器、盛大等國產(chǎn)廠商推出的產(chǎn)品，智能手表產(chǎn)品一時暴增。又在10月，樂視、小米、阿里酷開電視全面預售，三款電視中，樂視、酷開均支持語音識別功能。

智能產(chǎn)品的發(fā)布，對語音識別提出了新的要求。10月19日，記者見到了樂視TV、智器手表語音技術(shù)提供者云知聲團隊，其CTO康恒博士表示，智能語音主要包含三個部分：語音識別、語義解析、知識圖譜。

為了演示效果，他用手機語音操控電視：「明天上海天氣」，電視立刻回應(yīng)「正在為您查詢」，隨后天氣信息便顯示出來。電視先是聽懂康恒說話(語音識別)，然后認為他是要查詢上海天氣，最后提供了天氣信息(知識圖譜)。

準確率逐級降低 達80%就算優(yōu)質(zhì)

「市面上產(chǎn)品語音識別準確率會較高，但是到語音解析會低一點，到知識圖譜會更低一點，最終準確率能達到80%就算是優(yōu)質(zhì)產(chǎn)品?！雇蹩”硎?，這三個環(huán)節(jié)中，語義解析技術(shù)難度最高。

目前的發(fā)展狀況是，語音識別準確率很高，據(jù)康恒介紹，云知聲語音識別準確率為95%。

「要消滅剩下的5%非常困難，需要從每個細節(jié)入手，先把環(huán)境雜訊解決，1%可能解決了；再把口音問題解決一點，1%就上去了；再把聲音采樣庫擴大點，1%又消滅了?！箍岛惚硎?，要達到99%的準確率，云知聲可能需要五年。

康恒還說道，語義解析與知識圖譜是一個很前沿的課題。「比如『你有多少根頭發(fā)』，我能聽明白也能理解，但是不知道答案。計算機也需要一個漫長的學習過程?！钩繄笥浾?王方