發(fā)表評論分享按鈕

Siri背后的技術(shù)

2011/10/25

　　今年10月，Apple發(fā)布了iphone 4S with IOS 5,其中最大的亮點(diǎn)就是一個(gè)語(yǔ)音搜索軟件-Siri。一時(shí)間，各種geek，偽geek，碼農，非碼農都流行起調戲siri，各種調戲視頻，音頻大量出現。不過(guò)，常言道“外行看熱鬧，內行看門(mén)道”，作為一個(gè)“偽內行”，或者“欲做內行而不得”的人，根據自己的知識，以及一些搜索工具，嘗試了解了一下Siri的“門(mén)道”，在這里做個(gè)總結，列出siri所可能用到的技術(shù)。

　　Siri是IOS上的個(gè)人助理應用：此軟件使用到自然語(yǔ)言處理技術(shù)，使用者可以使用自然的對話(huà)與手機進(jìn)行互動(dòng)，完成搜尋資料、查詢(xún)天氣、設定手機日歷、設定鬧鈴等服務(wù)。

　　Siri所用到的技術(shù)，很多人會(huì )回答，人工智能以及云計算，的確，總體來(lái)說(shuō)，是這兩樣技術(shù)，不過(guò)，這種概述感覺(jué)幾乎沒(méi)有任何意義，和不直接說(shuō)“計算技術(shù)”（注意，不是計算機技術(shù)）呢。因此，在本文，我將介紹下我了解Siri可能采用的技術(shù)。

　　首先，在前端方面，即面向用戶(hù)，和用戶(hù)交互（User Interface，UI）的技術(shù)，主要是語(yǔ)音識別以及語(yǔ)音合成技術(shù)。語(yǔ)音識別技術(shù)是把用戶(hù)的口語(yǔ)轉化成文字，其中需要強大的語(yǔ)音知識庫，因此需要用到所謂的“云計算”技術(shù)。而語(yǔ)音合成則是把返回的文字結果轉化成語(yǔ)音輸出，這個(gè)技術(shù)理論上本地就能完成（以前用過(guò)科大訊飛的在windows mobile上的本地語(yǔ)音閱讀軟件，軟件很小，但能讀的很好，還支持方言），但不知道Siri是否如此，當然，在云端完成也并無(wú)不可，在當前無(wú)線(xiàn)帶寬下，那點(diǎn)語(yǔ)音流量根本不算什么。

　　其次，后臺技術(shù)，這些其實(shí)才是真正的大角色（當然，普通用戶(hù)是不會(huì )在意的，他們只會(huì )覺(jué)得前端很炫，哎，這就是做后端的悲哀，小小感嘆一下）。這些技術(shù)的目的就是處理用戶(hù)的請求，并返回最匹配的結果，這些請求類(lèi)型很多，千奇百怪，要處理好并不簡(jiǎn)單。基本的結構猜測可能是分析用戶(hù)的輸入（已經(jīng)通過(guò)語(yǔ)音轉化），根據輸入類(lèi)型，分別采用合適的技術(shù)（合適的技術(shù)后面）進(jìn)行處理。這些合適的后臺技術(shù)包括，①以Google為代表的網(wǎng)頁(yè)搜索技術(shù)；②以Wolfram Alpha為代表的知識搜索技術(shù)（或者知識計算技術(shù)）；③以Wikipedia為代表的知識庫（和Wolfram Alpha不同的是，這些知識來(lái)自人類(lèi)的手工編輯）技術(shù)（包括其他百科，如電影百科等）；④以Yelp為代表的問(wèn)答以及推薦技術(shù)。

　　下面，對上面提到的各種技術(shù)進(jìn)行簡(jiǎn)要介紹（如有空，后面的博文可能會(huì )對某些技術(shù)詳細的介紹，大家耳熟能詳的就免了），強調下，介紹的有些參考來(lái)源是維基百科相關(guān)詞條，下面不一一列出：

　　語(yǔ)音識別以及語(yǔ)音合成技術(shù)語(yǔ)音識別技術(shù)，也被稱(chēng)為自動(dòng)語(yǔ)音識別（英語(yǔ)：Automatic Speech Recognition, ASR），其目標是將人類(lèi)的語(yǔ)音中的詞匯內容轉換為計算機可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列。與說(shuō)話(huà)人識別及說(shuō)話(huà)人確認不同，后者嘗試識別或確認發(fā)出語(yǔ)音的說(shuō)話(huà)人而非其中所包含的詞匯內容。語(yǔ)音識別技術(shù)所涉及的領(lǐng)域包括：信號處理、模式識別、概率論和信息論、發(fā)聲機理和聽(tīng)覺(jué)機理、人工智能等等。

　　語(yǔ)音合成是將人類(lèi)語(yǔ)音用人工的方式所產(chǎn)生。若是將電腦系統用在語(yǔ)音合成上，則稱(chēng)為語(yǔ)音合成器，而語(yǔ)音合成器可以用軟/硬件所實(shí)現。文字轉語(yǔ)音(text-to-speech, TTS)系統則是將一般語(yǔ)言的文字轉換為語(yǔ)音，其他的系統可以描繪語(yǔ)言符號的表示方式，就像音標轉換至語(yǔ)音一樣。

　　相比于語(yǔ)音識別，語(yǔ)音合成感覺(jué)難度要低，并且基本能夠在本地完成（很多OS都有內置的語(yǔ)音合成引擎）。而語(yǔ)音識別，由于涉及到語(yǔ)義理解，難度大大加大，需要大量的知識庫，一般需要在云端完成。

　　另外，在國內，這方面做的很好的公司也有，比如鄙人本科所在學(xué)校的科大訊飛，就是中文語(yǔ)音合成以及識別的領(lǐng)軍企業(yè),在英文語(yǔ)音合成領(lǐng)域其實(shí)也很牛，拿過(guò)很多獎。國外的話(huà)，比較早的應該是IBM ViaVoice。

　　網(wǎng)頁(yè)搜索技術(shù)這個(gè)我想沒(méi)必要介紹，大家天天用的Google就是這個(gè)技術(shù)的代表。而國內的話(huà)，則以百度為代表。

　　知識計算（搜索）技術(shù)（Computational Knowledge）這個(gè)技術(shù)的代表是Wolfram|Alpha。

　　不同于搜索互聯(lián)網(wǎng)信息，Wolfram|Alpha將從公眾的(包括公開(kāi)的網(wǎng)頁(yè)等)和獲得授權的資源中，發(fā)掘、建立起一個(gè)異常龐大的經(jīng)過(guò)組織的數據庫，再利用高級的自然語(yǔ)言算法進(jìn)行處理，最終構造出一個(gè)類(lèi)似于谷歌搜索的工具。

　　和網(wǎng)頁(yè)搜索技術(shù)不同的是，在這個(gè)系統中，得到的答案結構化程度很高，比如搜索China，能得到和中國相關(guān)的各種參數以及資料，并以接近表格的方式呈現。Wolfram|Alpha也能理解部分自然語(yǔ)言，比如輸出How old are you，其會(huì )回答Wolfram|Alpha的年齡。想測試這項技術(shù)的請移步Wolfram|Alpha。

　　這個(gè)技術(shù)國內做的應該有，但還沒(méi)有產(chǎn)品，也許百度的框計算算是半個(gè)。所以機會(huì )大大的有。

　　知識庫技術(shù)這名字是我自己起的，不知道有沒(méi)有貽笑大方。。。這個(gè)技術(shù)的代表是維基百科，以及各種專(zhuān)門(mén)的百科網(wǎng)站。相比于網(wǎng)頁(yè)搜索技術(shù)，基本以一個(gè)詞條或者主題為單位，因此得到的數據價(jià)值高，知識量大，并且結構化程度好。相比于知識計算技術(shù)，這些技術(shù)需要人的參與，這有利也有弊，利就是，畢竟暫時(shí)人比機器聰明，編輯出來(lái)的知識更豐富，準確；弊就是，人力有限，即使像維基那樣，發(fā)動(dòng)社區的力量，也不能產(chǎn)生足夠的知識，而知識計算，理論上，只需要算法夠牛叉，是可以產(chǎn)生“無(wú)限”的知識的。

　　另外，寫(xiě)到這里，我想起Yahoo和Google的故事，當年，Yahoo是搜索老大，就像現在的Wekipedia在知識搜索領(lǐng)域一樣，而Google是小弟，就像Wolfram|Alpha在知識搜索領(lǐng)域一樣。但后來(lái)，卻反過(guò)來(lái)了，Googe成了網(wǎng)頁(yè)搜索老大，Yahoo成了小弟，原因就是Google相信算法的結果，把所有事都交給算法做，而Yahoo，很多索引都是人工編輯的。我想，也許有一天，Wekipedia和Wolfram|Alpha也會(huì )出現這樣的情況。

　　問(wèn)答推薦技術(shù)其實(shí)這不能稱(chēng)為一個(gè)技術(shù)，應該屬于知識庫的技術(shù)。不同的是，這個(gè)技術(shù)針對的是一些生活信息，這些信息的地域化程度很高，典型代表為Yelp。由于這東西比較簡(jiǎn)單，就不仔細介紹了。

　　其實(shí)在國內，這方面的網(wǎng)站也有，那就是大眾點(diǎn)評網(wǎng)這些。

　　讀完此文，你也許會(huì )發(fā)現，其實(shí)Siri并沒(méi)有什么革命性的技術(shù)，其本質(zhì)是將各種已經(jīng)比較成熟的技術(shù)融合成一個(gè)產(chǎn)品，最終呈現給用戶(hù)，因此，完全沒(méi)必要對Siri神圣化。

　　另外，Siri其實(shí)是蘋(píng)果買(mǎi)來(lái)的，在蘋(píng)果買(mǎi)來(lái)之前，Siri本來(lái)是會(huì )推出Android版本的，可是，被蘋(píng)果購買(mǎi)后，Android版本的Siri遙遙無(wú)期了（不過(guò)，這為廣大的Android開(kāi)發(fā)者以及公司提供了機會(huì )）。而Siri之前默默無(wú)聞，但是一從蘋(píng)果推出，卻聲名鵲起，不得不佩服Apple以及Jobs的眼光以及執行力。

Sigma


相關(guān)閱讀:
Siri10種“非娛樂(lè )”的“正經(jīng)”用法 2011-10-24
蘋(píng)果iPhone 4S銷(xiāo)量達到創(chuàng )紀錄 2011-10-18
Siri語(yǔ)音助手大受歡迎 蘋(píng)果服務(wù)器不堪重負 2011-10-18
蘋(píng)果：Siri語(yǔ)音識別明年將支持5國語(yǔ)言 2011-10-17
回憶喬布斯：不為外界所知的“WiFi教父” 2011-10-17

熱點(diǎn)專(zhuān)題:  語(yǔ)音合成TTS 語(yǔ)音識別ASR    移動(dòng)增值   移動(dòng)互聯(lián)網(wǎng)
分類(lèi)信息:  移動(dòng)增值_與_移動(dòng)互聯(lián)網(wǎng)  移動(dòng)增值_與_CTI文摘  移動(dòng)互聯(lián)網(wǎng)_與_移動(dòng)  CTI文摘_與_移動(dòng)
 相關(guān)頻道:  增值電信文摘    
 亚洲精品网站在线观看不卡无广告,国产a不卡片精品免费观看,欧美亚洲一区二区三区在线,国产一区二区三区日韩 周宁县| 苏尼特右旗| 鸡东县| 江口县| 武安市| 长丰县| 汤阴县| 宁夏| 瑞安市| 兴宁市| 九台市| 甘德县| 合肥市| 福清市| 星子县| 大竹县| 布尔津县| 沂源县| 德令哈市| 五家渠市| 登封市| 沂源县| 长治县| 宝山区| 新巴尔虎左旗| 友谊县| 特克斯县| 当雄县| 南木林县| 井研县| 沈丘县| 邳州市| 江口县| 广宗县| 老河口市| 宣城市| 桃园县| 集贤县| 偃师市| 万州区| 东乌珠穆沁旗| http://444 http://444 http://444 http://444 http://444 http://444