AI時(shí)代即將到來，而語音識別便是入場券。說出一句話，也許你可以直接聽到想要的結(jié)果，也許機(jī)器會直接執(zhí)行你的命令，也許……這無限延伸的可能性，便是 AI 的魅力。

還記得2年前，度秘剛發(fā)布的時(shí)候，心情激動的我沒怎么思考就洋洋灑灑扯了一通《度秘：你好，521號機(jī)器人為您服務(wù)》。記得那時(shí)才大三，感覺百度發(fā)布的度秘機(jī)器人好牛逼，天文地理無所不知。但那時(shí)的度秘也僅僅是個(gè)加強(qiáng)版的微軟小冰，只不過是連接了更多的服務(wù)，因?yàn)榘俣仍谶@方面有著天然的優(yōu)勢。那時(shí)的度秘雖然看起來也很全能，但從未自然的融入實(shí)際生活場景中，因?yàn)榫科浔举|(zhì)，它是以擬人對話形式整合線下服務(wù)與功能。

而如今，親身體驗(yàn)了這場技術(shù)變革帶來的改變，不禁感慨，AI時(shí)代即將到來，而語音識別便是入場券。說出一句話，也許你可以直接聽到想要的結(jié)果，也許機(jī)器會直接執(zhí)行你的命令，也許……這無限延伸的可能性，便是 AI 的魅力。

新一代交互形式：語音識別

時(shí)光飛逝，短短兩年，互聯(lián)網(wǎng)行業(yè)日新月異，經(jīng)歷了AR、VR的變革，又見證了阿法狗的崛起。人工智能這個(gè)詞似乎離我們越來越近。通常來講，每一次全新時(shí)代的到來，都是因?yàn)橐粋€(gè)傳統(tǒng)的形式被顛覆。

比如，多年前我們的手機(jī)硬件由非智能機(jī)變?yōu)橹悄軝C(jī)，交互方式由物理按鍵變?yōu)槭謩莶僮?。并伴隨著網(wǎng)速的提升，從而由PC互聯(lián)網(wǎng)時(shí)代逐漸進(jìn)入移動互聯(lián)網(wǎng)時(shí)代，而這一次，變革便是從語音識別開始。

艾媒數(shù)據(jù)的調(diào)研結(jié)果

可以看出，語音識別高居第一，其次是智能家居。這兩方面都有一個(gè)共同點(diǎn)在于：它們都是兩種全新的交互形式。

語音識別意味著將無形的聲音轉(zhuǎn)化為有形的執(zhí)行信息，而傳統(tǒng)交互形式是通過文字，或是通過肢體動作來完成命令的執(zhí)行。

智能家居意味著將家庭場景下的電器通過網(wǎng)絡(luò)的構(gòu)建與連接，形成物聯(lián)網(wǎng)，將之變得更加自動化，隨用戶的需求而自然切換狀態(tài)。

亞馬遜Echo系列產(chǎn)品

而現(xiàn)在，無論是國外的亞馬遜、谷歌還是國內(nèi)的小米等生產(chǎn)智能硬件的公司，都開始極力打造家庭場景下的人工智能，而語音，便是這種人工智能交互形式的突破口。

完整的語音交互過程應(yīng)該分三個(gè)步驟：聽清、聽懂、滿足。

• 聽清：當(dāng)用戶的聲音從麥克風(fēng)輸入時(shí)，應(yīng)有拾音器記錄用戶聲音，并準(zhǔn)確的進(jìn)行識別，將最終結(jié)果反饋給AI大腦。而在這個(gè)過程中，需要軟硬件以及算法去處理所有聲音，取其精華，棄其糟粕，最終將真正的指令記錄。
• 聽懂：當(dāng)大腦拿到結(jié)果后，要對其進(jìn)行解析，將語音轉(zhuǎn)為文字，并進(jìn)行語義分析，同樣需要強(qiáng)大的算法和機(jī)器學(xué)習(xí)能力，不斷去糾錯(cuò)。哪些是命令詞，哪些是內(nèi)容詞，要進(jìn)行區(qū)分，最終普通的一句話要被拆分為命令、內(nèi)容等相關(guān)類型詞。
• 滿足：當(dāng)一句簡單的話被AI大腦理解，接下來的就是滿足用戶，用戶如需要查詢，便去告訴他相應(yīng)內(nèi)容。用戶如需要執(zhí)行動作，便去完成整個(gè)動作流程。

而事實(shí)上，這三個(gè)重要步驟，對于一家普通公司，基本是不可能完成的任務(wù)。

它要求既要有扎實(shí)的語音識別技術(shù)，又要有牛逼的語義理解能力，最后還需要有強(qiáng)大的內(nèi)容數(shù)據(jù)去做支撐。

也難過，只有百度這樣的超級大廠，才能充分整合資源，將整個(gè)語音交互過程都涉及到。

家庭場景下的語音交互

在中國，如果想要普及一種變革，最好的場景是家庭環(huán)境，因?yàn)檫@種場景下，用戶的使用習(xí)慣，喜好會徹底的釋放和表達(dá)，是一種最自然，無壓力的表現(xiàn)狀態(tài)，且這種場景又屬于高頻場景，覆蓋范圍廣。

家庭下的語音喚醒場景請

不僅僅是圖中這些場景，今天在百度的開發(fā)者大會會場上見到了各種家庭場景下的硬件設(shè)施，當(dāng)它們一旦搭載了語音交互的系統(tǒng)，便搖身一變，成了具有語音操控的智能家居。

對智能冰箱說：

“宮保雞丁怎么做”，冰箱上的顯示屏開始播放宮保雞丁教學(xué)視頻。

對智能電視說：

“我想看個(gè)賽車類電影”，電視上顯示《速度與激情》系列影片。

對智能音箱說：

“我要開party，放個(gè)激情澎湃的音樂吧”，音箱播放《Sugar》

………….

智能硬件加上語音交互，已經(jīng)構(gòu)建成了物聯(lián)網(wǎng)。相信在不久的將來，搭載了語音交互系統(tǒng)的智能家居，都可以聽你的話，你說所說的每個(gè)指令，都會直接影響到當(dāng)前家居的運(yùn)行狀態(tài)。甚至可以對其動作進(jìn)行組合，形成物聯(lián)網(wǎng)+語音交互。

小米智能硬件生態(tài)圈

在我看來，最有可能率先實(shí)現(xiàn)該場景的就是小米。

小米近幾年基本完成關(guān)于智能硬件生態(tài)圈的布局，覆蓋了家庭場景下大部分高頻使用的硬件設(shè)施，并將其與手機(jī)連接在一起，使用戶通過手機(jī)可以快速的管理。本次小米電視4的發(fā)布，其中一個(gè)亮點(diǎn)便是：將家居中的每一個(gè)智能硬件部分都和電視，手機(jī)控制端進(jìn)行連接。最終實(shí)現(xiàn)最完美的智能家居生活場景：對著電視或遙控器說一聲：關(guān)閉空調(diào)、開啟吸塵器等一切指令，通過語義識別，連接家居，執(zhí)行命令一系列動作，將智能貫徹到底。

開放的AI未來，不止于此

曾經(jīng)VR技術(shù)被鼓吹的神乎其神，最終還是因硬件成本居高不下以及體驗(yàn)難以提升淪為AI的泡影產(chǎn)物。而語音識別不應(yīng)如此，百度的duer OS提供一整套語音識別的解決方案，給了許多硬件公司產(chǎn)品智能化的希望。

這樣一來，智能硬件的成本便可以達(dá)到有效把控。在整個(gè)語音交互部分，百度提供現(xiàn)成的SDK，并可以配套終端應(yīng)用，提供開發(fā)套件。無論事實(shí)如何，宣傳效果確實(shí)達(dá)到了。若如此，接下來，語音交互能力便不再是小公司，小產(chǎn)品可望不可即的能力了。而最終市場上經(jīng)過一批殘酷的淘汰，最終留給用戶的，便是最優(yōu)秀的軟硬件結(jié)合的產(chǎn)物。這無論是對用戶還是整個(gè)行業(yè)，都是一個(gè)良好的發(fā)展趨勢。

以一個(gè)開發(fā)的心態(tài)迎接人工智能時(shí)代，科幻電影里的場景，即將到來。這一刻，我想到了《人工智能》，《機(jī)械姬》，《黑客帝國》。

對于未知的好奇心，要遠(yuǎn)遠(yuǎn)大于恐懼。

#專欄作家#

王偉華，微信公眾號：夜漫產(chǎn)品（learnerwwh），一只略帶文藝情懷的產(chǎn)品汪，擅長社交，資訊領(lǐng)域產(chǎn)品，心理學(xué)愛好者，目前正處于知識體系搭建階段。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，不得轉(zhuǎn)載。