首頁(yè) > Siri 的流行充分喚起了人們對于語(yǔ)音識別的想象。在與個(gè)人生活緊密結合前，語(yǔ)音識別是難以達到這么火爆的程度的，準確率是最基本的一點(diǎn)，不過(guò)基于語(yǔ)義和情感交互才是語(yǔ)音識別的最為迷人的地方，當然，移動(dòng)互聯(lián)網(wǎng)的興起也是這一流行趨勢的引爆點(diǎn)。前幾天，語(yǔ)音識別領(lǐng)先企業(yè)科大訊飛語(yǔ)音云發(fā)布， 同時(shí)隨著(zhù)Nuance 公司 Dragon 系列產(chǎn)品的流行，越來(lái)越多的產(chǎn)品開(kāi)始支持語(yǔ)音控制，有理由相信，語(yǔ)音時(shí)代即將來(lái)臨。
語(yǔ)音識別時(shí)代的條件已經(jīng)具備
語(yǔ)音引擎
在語(yǔ)音識別方面，Nuance 是一家不可忽略的企業(yè)，作為 Siri 背后的技術(shù)支持，Nuance 擁有4000余項專(zhuān)利和專(zhuān)利申請，超過(guò)50億部手機和7000萬(wàn)的車(chē)輛使用其技術(shù)，三分之二的《財富》100強公司依賴(lài)其解決方案。
Wolframalpha 雖然不是語(yǔ)音識別技術(shù)，但在語(yǔ)義識別方面，他是毫無(wú)疑問(wèn)的先驅?zhuān)瑯右彩亲鳛?Siri 背后的搜索引擎，它對語(yǔ)音識別的意義十分重大。
在語(yǔ)音識別方面的研究，科大訊飛，IBM，貝爾研究所的成果也令人矚目。
云計算能力
大量的機器學(xué)習才可能讓語(yǔ)音引擎不斷完善，云計算的超級計算能力讓這點(diǎn)成為可能，商業(yè)化云平臺的不斷成熟，使基于云計算的語(yǔ)音識別不再困難。
智能設備
在A(yíng)ndroid 和iOS的推動(dòng)下，移動(dòng)互聯(lián)網(wǎng)迎來(lái)了爆發(fā)性增長(cháng)，智能手機和平板電腦已經(jīng)十分普遍，與 PC 相比，手持設備因為易攜等優(yōu)勢，語(yǔ)音識別能得到更加生活化的應用，而這也就是語(yǔ)音識別得以廣泛應用的基礎。
高速網(wǎng)絡(luò )
語(yǔ)音識別，速度對于用戶(hù)體驗毋庸置疑，高質(zhì)量的語(yǔ)音識別依賴(lài)于高速網(wǎng)絡(luò )，而這也將隨著(zhù)3G和4G網(wǎng)絡(luò )的普及而被解決。
語(yǔ)音識別可能是巨變的開(kāi)端
對 Google 等公司，Siri毫無(wú)疑問(wèn)是一個(gè)威脅，在語(yǔ)音時(shí)代之前，普通搜索引擎是互聯(lián)網(wǎng)的入口，但是在語(yǔ)音時(shí)代，人們已經(jīng)有了更加方便和人性化的工具。影響雖然不是替代，但它代表了一種更方便的工作、生活方式，而這也將催生行業(yè)的變革。
Sherry Turkle，這位 MIT 的社科教授稱(chēng)，人類(lèi)更加傾向于可以說(shuō)話(huà)的設備，好像這就是他們的知心伴侶。相對于打字，語(yǔ)音來(lái)的更加便捷與精確，這種區別上所導致的影響，可能就像 Paul Ricci (Xerox 前執行官)所言，類(lèi)似80年代鼠標和圖形化界面對于電腦的影響。說(shuō)話(huà)是人類(lèi)的天性，但打字與技巧和熟練度有關(guān)，在一句話(huà)就可以解決問(wèn)題的時(shí)代，為什么還需要辛苦的輸入。
不僅對于搜索，對于汽車(chē)導航，甚至是飛機訂票、呼叫中心等事宜都可以用語(yǔ)音識別技術(shù)來(lái)替代，Nuance 公司已經(jīng)成功推出了一款用于航空客服的語(yǔ)音交互系統 Wally ，據紐約時(shí)報介紹，相當的用戶(hù)辨認不出他們是在同機器對話(huà)，掛電話(huà)時(shí)甚至友好的說(shuō)了謝謝。
語(yǔ)音控制，另一把科技雙刃劍
語(yǔ)音識別可能帶來(lái)顛覆性變革，但也會(huì )隨之帶來(lái)一些新的問(wèn)題，同社交網(wǎng)絡(luò )興起一樣，語(yǔ)音識別或許會(huì )產(chǎn)生一個(gè)問(wèn)題：隱私。
每一次的語(yǔ)音識別請求，我們的聲音都會(huì )被上傳到到服務(wù)器分析，為了讓語(yǔ)音識別系統更加準確，系統也必須學(xué)習，材料就是這些我們上傳的語(yǔ)音。人聲音的特質(zhì)(聲紋)，就像是指紋一般獨一無(wú)二，指紋和聲音都是密碼方面常用且重要的憑據，如果自己的聲音數據被泄漏，信息安全得不到保障。在紐約時(shí)報對 Nuance 的報道中，Nuance 稱(chēng)在美國，除了聯(lián)邦政府，他們擁有最大的聲音信息數據量。同時(shí)，語(yǔ)音合成技術(shù)的成熟，也使得語(yǔ)音詐騙有存在的可能性，試想一個(gè)電話(huà)打來(lái)，聽(tīng)聲音是自己的朋友，找自己借錢(qián)什么的，誰(shuí)又能區別真假呢？湯姆·克魯斯在《碟中諜3》中假扮霍夫曼時(shí)合成聲音的以假亂真或許就成為現實(shí)。而科大訊飛在其招股書(shū)中提到，其中英文語(yǔ)音合成技術(shù)的自然度能超過(guò)真人發(fā)音水平(4.0分)。
在語(yǔ)音識別應用越來(lái)越廣泛的時(shí)候，還有一個(gè)大的問(wèn)題是不能忽視，那就是對機器的高度依賴(lài)對人的生理和心理所產(chǎn)生的改變，Pranav Mistry 在 TED 的演講《第六感技術(shù)的驚異潛力》中提出了一個(gè)觀(guān)點(diǎn)：科技的發(fā)展，不是要讓人類(lèi)越來(lái)越機器化，而是讓人變得越來(lái)越人性化。科技能改善生活，但也存在道德和文化上的難題。
比特網(wǎng)
