首頁(yè) >
引言：蘋(píng)果iPhone 4S的Siri功能推出，可謂是引起了人們對于智能語(yǔ)音技術(shù)的極大關(guān)注。其實(shí)，語(yǔ)音技術(shù)非常復雜，表象繁多，本刊通過(guò)采訪(fǎng)國內科大訊飛、國筆等專(zhuān)家對目前的語(yǔ)音市場(chǎng)進(jìn)行梳理和探討。
一、不僅僅是語(yǔ)音，還是人工智能
盡管蘋(píng)果“教主”喬布斯離開(kāi)了我們，盡管iPhone 5沒(méi)有入人們期望的那樣出現，但是iPhone 4S的推出仍然成功吸引了蘋(píng)果粉絲和業(yè)界的所有關(guān)注。根據美國電話(huà)電報公司(AT&T)透露，iPhone 4S在發(fā)布12小時(shí)之內就接到了20萬(wàn)份訂單，而其中最引入注目的一大新功能，就是被稱(chēng)為Siri的語(yǔ)音助手功能。
10月4日上午，蘋(píng)果全球產(chǎn)品副總裁Phil Schiller與負責iOS軟件的副總裁Scott Forstall在新品發(fā)布會(huì )上，隆重介紹了Siri。
什么是Siri？
Forstall在現場(chǎng)進(jìn)行了演示，他拿起iPhone 4S，對手機問(wèn)道：“今天天氣如何？”屏幕上立刻顯示出今天的天氣狀況。他又接著(zhù)問(wèn)，我用帶傘嗎？Siri馬上回答，今天會(huì )下雨。隨后，他還用這款應用演示了搜索和設置鬧鐘提、預約等功能。
Siri跟普通的語(yǔ)音搜索不一樣，它能明白你所說(shuō)的，了解你的意思，甚至還能回答你的問(wèn)題。那感覺(jué)就像真正擁有私人助理似的，而且是一位善解人意的私人助理。無(wú)論你用何種方式提問(wèn)，它都能以人的思維去思考和反應，而不是以預設的程序答非所問(wèn)。
Siri能為你做的不僅僅是提供答案，它還可以親自替你完成一些基本的事情。比如，你可以吩咐Siri發(fā)短信給你父親、提醒你預約牙醫、幫你查找到達目的地的路線(xiàn)，不用擔心Siri不夠聰明，因為它能夠思考完成這些事情需要運行哪些應用程序，還能明白你要打電話(huà)的準確對象。
Siri還包括傳聞中的“語(yǔ)音轉文字”的功能，你只需按下麥克風(fēng)，把你想發(fā)送的內容說(shuō)出來(lái)，Siri就可以將你所說(shuō)的內容轉換成文字，并發(fā)送出去。除了發(fā)送短信外，Siri還集成到一些第三方應用，這樣，你只需動(dòng)動(dòng)嘴皮子，就能更新Facebook、發(fā)送Twitter消息或者即時(shí)聊天。
如果你認為Siri只是一個(gè)簡(jiǎn)單的聲音控制軟件，而你的Android手機上的語(yǔ)音助手或NOKIA語(yǔ)音提示也可做到這點(diǎn)，那你就錯了。
我們不妨探究一下Siri的血統，這家最近剛被蘋(píng)果收購的公司，直接發(fā)端于美國軍方的CALO(Cognitive Assistant that Learns and Organizes)項目，這也是史上最大的人工智能項目，匯聚了全球人工智能方面的頂尖專(zhuān)家。
你如果看過(guò)好萊塢大導演斯皮爾伯格的電影《A I》，相信會(huì )對人工智能有一定了解，通過(guò)人工智能技術(shù)，機器人可以把“對話(huà)、自然語(yǔ)言理解、視覺(jué)、演說(shuō)、機器學(xué)習、制定計劃、理性思考、服務(wù)代表全部融合到一起”。Siri的技術(shù)正源自人工智能，而不是簡(jiǎn)單的搜索和語(yǔ)音識別。它能夠自主分析用戶(hù)發(fā)出的口語(yǔ)指令，并給出確切的回應和指導，完全不需要用戶(hù)預選學(xué)習使用方法。
在國外某科技博客錄制的一段視頻中，評測人員對Siri提出了許多含義模糊或有歧義的問(wèn)題。比如：“附近有沒(méi)有什么浪漫的法國餐廳？”，比如：“天空為何是藍色的？”比如“鋼琴上有多少個(gè)八度？”對人類(lèi)而言，這些句子再平常不過(guò)了，但要讓機器去理解這些變化多端的棘手詞匯，尤其是“浪漫”這種形容詞，那就極端困難了，然而這些問(wèn)題Siri都可以回答。
你甚至還可以對Siri表白，對它說(shuō)：“我愛(ài)你！”它的回答也很妙：“希望你不會(huì )對其它手機也這么說(shuō)。”
該評測人員隨后在博客中寫(xiě)到：“Android系統的Voice Actions也是一項偉大的技術(shù)，但說(shuō)真的，它和Siri不是同一個(gè)層面的產(chǎn)品。Siri非常酷，與之相比Voice Actions雖說(shuō)確實(shí)讓我們省去了打字輸入、觸摸操作的工序，但操作太復雜，只有那些Geek會(huì )使用它。然而，媽媽們會(huì )選擇Siri。”
二、語(yǔ)音技術(shù)的三大種類(lèi)
除了人工智能，Siri的核心功能仍是基于語(yǔ)音識別的語(yǔ)音技術(shù)，其語(yǔ)音引擎來(lái)自Nuance，這家公司在全球手機輸入法上處于壟斷地位。
這一技術(shù)并非革 命性的變革，早在計算機發(fā)明之前，自動(dòng)語(yǔ)音識別的設想就已經(jīng)被提上了議事日程，早期的聲碼器可被視作語(yǔ)音識別及合成的雛形。而1920年代生產(chǎn)的“Radio Rex”玩具狗可能是最早的語(yǔ)音識別器，當這只狗的名字被呼喚的時(shí)候，它能夠從底座上彈出來(lái)。
近二十年來(lái)，語(yǔ)音識別技術(shù)取得顯著(zhù)進(jìn)步，開(kāi)始逐漸從實(shí)驗室走向市場(chǎng)。據了解，許多大公司如IBM、蘋(píng)果、微軟、Google、AT&T和NTT等早在多年前都對語(yǔ)音識別系統的實(shí)用化研究投以巨資。目前主流的語(yǔ)音技術(shù)方案包括IBM公司推出的Via Voice和Dragon System公司的Naturally Speaking, ，Nuance公司的Nuance Voice Platform語(yǔ)音平臺，Microsoft的Whisper,Sun的VoiceTone，以及科大訊飛的口訊等。
電子工程專(zhuān)輯
