智能交互的盡頭是聊天？

-Hi Siri，今天天氣怎么樣？

-今天天氣晴，18℃至27℃，空氣質(zhì)量指數(shù)36，優(yōu)。

手機(jī)、手表、音箱等智能設(shè)備極大地便利了我們的生活，隨著語(yǔ)音交互設(shè)備的發(fā)展，智能交互依然面臨很多挑戰(zhàn)。

我們每天要說(shuō)成百上千句話(huà)，長(zhǎng)短不一。即便是一些轉(zhuǎn)瞬即逝的口頭語(yǔ)，也可以成為傳達(dá)自我意識(shí)的載體，向他人準(zhǔn)確傳達(dá)信息?？烧Z(yǔ)言似乎是人類(lèi)群體特有的專(zhuān)利，在過(guò)往的時(shí)間中，想借助語(yǔ)言與其他物種、物體建立清晰明確溝通關(guān)系的可能性無(wú)限趨近于零，直到智能語(yǔ)音技術(shù)的出現(xiàn)。

作為最早落地的人工智能技術(shù)之一，AI語(yǔ)音技術(shù)已經(jīng)得到了長(zhǎng)足的發(fā)展。如今，智能語(yǔ)音技術(shù)已經(jīng)被廣泛集成的就是家居產(chǎn)品之中。在即將到來(lái)的萬(wàn)物互聯(lián)時(shí)代，以語(yǔ)音交互為主的智能設(shè)備無(wú)疑將極具競(jìng)爭(zhēng)力與吸引力。仔細(xì)一想，一眾充滿(mǎn)科技感與未來(lái)感的智能設(shè)備，將天然具備人類(lèi)最熟悉的“原始交互方式”，也頗有些化繁為簡(jiǎn)、返璞歸真的意味。

語(yǔ)音交互設(shè)備的“助聽(tīng)器”——ASR

在復(fù)雜環(huán)境中，我們總是可以忽略或弱化無(wú)關(guān)噪聲，集中注意力進(jìn)行溝通，但語(yǔ)音交互設(shè)備在如此環(huán)境中只會(huì)無(wú)所適從，不免陷入“交互尚未開(kāi)始，便已結(jié)束”的囧境。故此，設(shè)備擁有對(duì)各類(lèi)“聲學(xué)場(chǎng)景”的聲源信號(hào)進(jìn)行處理、優(yōu)化功能的必要性不言而喻。而借助降噪NS、語(yǔ)音增強(qiáng)SE等技術(shù)，可以對(duì)聲學(xué)場(chǎng)景中的非語(yǔ)音噪音信號(hào)進(jìn)行抑制，從含有噪音的語(yǔ)音信號(hào)中提取純凈語(yǔ)音，提升語(yǔ)音識(shí)別效果，讓語(yǔ)音交互設(shè)備可以分辨、傾聽(tīng)出目標(biāo)聲音，進(jìn)而為后續(xù)的語(yǔ)音交互掃清障礙。

在語(yǔ)音識(shí)別技術(shù)（ASR）的加持下，語(yǔ)音交互設(shè)備能對(duì)聲音信號(hào)進(jìn)行特征提取，提取而出的“特征”會(huì)作為參數(shù)，為模型計(jì)算做準(zhǔn)備。簡(jiǎn)單理解就是將語(yǔ)音信息數(shù)字化，再通過(guò)相應(yīng)的模型對(duì)數(shù)字化信息進(jìn)行計(jì)算。后續(xù)通過(guò)聲學(xué)模型計(jì)算得出相應(yīng)的音素（即把聲音轉(zhuǎn)成音素），其目的是根據(jù)音素來(lái)找到對(duì)應(yīng)的漢字或者單詞，最終轉(zhuǎn)換成設(shè)備可以理解的文本。

語(yǔ)音交互設(shè)備的“聲卡”——TTS

基于語(yǔ)音合成技術(shù)（TTS），語(yǔ)音交互設(shè)備可對(duì)文本逐句分析，進(jìn)行詞匯、語(yǔ)法的和語(yǔ)義的分析，以確定句子的低層結(jié)構(gòu)和每個(gè)字的所對(duì)應(yīng)的音素組成，包括文本的斷句、字詞切分、多音字處理以及數(shù)字處理等。

在內(nèi)置芯片和神經(jīng)網(wǎng)絡(luò)技術(shù)的支持下，語(yǔ)音交互設(shè)備可把處理好的文本所對(duì)應(yīng)的單字或短語(yǔ)從語(yǔ)音合成庫(kù)中提取，使語(yǔ)言學(xué)描述轉(zhuǎn)化成言語(yǔ)波形，即把文字智能地轉(zhuǎn)化為自然語(yǔ)音流。至此，一次完整的語(yǔ)音交互便成功完成。當(dāng)然，在特有的智能語(yǔ)音控制器作用下，文本輸出的語(yǔ)音音律將會(huì)更加流暢，使得聽(tīng)者在聽(tīng)取信息時(shí)感覺(jué)自然、毫無(wú)機(jī)器語(yǔ)音輸出的冷漠與生澀感。

寫(xiě)在最后

誠(chéng)然，已普遍應(yīng)用于智能家居設(shè)備中的語(yǔ)音交互技術(shù)仍面臨諸多挑戰(zhàn)，在設(shè)備喚醒率、識(shí)別率、誤報(bào)率、環(huán)境降噪等方面仍有改進(jìn)的空間。但毫無(wú)疑問(wèn)，在未來(lái)語(yǔ)音作為人類(lèi)最自然、最便捷的溝通方式，將會(huì)成為所有設(shè)備和產(chǎn)品至關(guān)重要的入口和人與機(jī)器之間的通信紐帶，而強(qiáng)邏輯、無(wú)視覺(jué)或者弱視覺(jué)的智能語(yǔ)音技術(shù)也會(huì)找到更多用武之地。