語(yǔ)音識(shí)別技術(shù)并不是一項(xiàng)新興的技術(shù)，并且技術(shù)門(mén)檻也不算太高。物聯(lián)網(wǎng)市場(chǎng)潛力巨大應(yīng)用眾多，在繁多的應(yīng)用中智能家居或許能優(yōu)先落地。不過(guò)，除了物聯(lián)網(wǎng)標(biāo)準(zhǔn)和觀念阻礙智能家居的發(fā)展，手機(jī)作為目前首要的入口也大大影響了體驗(yàn)。語(yǔ)音識(shí)別并不是一項(xiàng)新興的技術(shù)，但在智能家居甚至人工智能領(lǐng)域或許能大展身手
語(yǔ)音交互應(yīng)該做什么?
王硯峰認(rèn)為，語(yǔ)音落地的產(chǎn)品，首先不應(yīng)該是所謂的“中控”，因?yàn)椤爸锌亍辈皇蔷唧w的產(chǎn)品;也不是所謂“機(jī)器人”，因?yàn)槟壳暗闹謾C(jī)器人不能幫人們解決任何實(shí)際需求和問(wèn)題;他表示，“任何夸大人工智能在客廳產(chǎn)品中作用的行為都是耍流氓。
王硯峰對(duì)客廳中的語(yǔ)音應(yīng)用提出了兩個(gè)標(biāo)準(zhǔn)：好產(chǎn)品和豐富的內(nèi)容。他表示比如亞馬遜Echo就是好產(chǎn)品，首先它本身是一個(gè)好的音箱，并且適應(yīng)美國(guó)家庭用戶(hù)的消費(fèi)文化和習(xí)慣，那在美國(guó)就屬于好的產(chǎn)品。
語(yǔ)音要在好產(chǎn)品上產(chǎn)生價(jià)值，就需要豐富的消費(fèi)內(nèi)容資源。僅僅作為控制器的語(yǔ)音對(duì)設(shè)備帶來(lái)的增值不大，而當(dāng)涉及內(nèi)容查詢(xún)以及更多交互時(shí)，才是語(yǔ)音最有價(jià)值的使用場(chǎng)景，“語(yǔ)音識(shí)別做耳朵，語(yǔ)義理解是大腦，智能家居上要讓語(yǔ)音有自然交互，需要更靈敏的耳朵以及更聰明的大腦。”王硯峰指出。
怎么讓語(yǔ)音交互做的更好?
如何讓語(yǔ)音交互做的更好?王硯峰認(rèn)為要訓(xùn)練語(yǔ)音識(shí)別這一“更靈敏的耳朵”，需要大規(guī)模的優(yōu)質(zhì)語(yǔ)音訓(xùn)練數(shù)據(jù)和深度學(xué)習(xí)的技術(shù)能力積累，而搜狗在這一點(diǎn)上有著巨大的優(yōu)勢(shì)。據(jù)他介紹，搜狗擁有中國(guó)互聯(lián)網(wǎng)上最大的語(yǔ)音語(yǔ)料：作為國(guó)內(nèi)第一大語(yǔ)音輸入應(yīng)用，搜狗輸入法每天語(yǔ)音輸入頻次達(dá)到1.4億次，產(chǎn)生11.7萬(wàn)小時(shí)的語(yǔ)料規(guī)模，比當(dāng)前國(guó)內(nèi)任何語(yǔ)音技術(shù)團(tuán)隊(duì)使用的訓(xùn)練語(yǔ)料都要大。另一方面，深度學(xué)習(xí)的技術(shù)不斷推動(dòng)語(yǔ)音識(shí)別錯(cuò)誤率的下降。從2013年開(kāi)始，借助深度神經(jīng)網(wǎng)絡(luò)和海量用戶(hù)數(shù)據(jù)，搜狗輸入法的線(xiàn)上錯(cuò)誤率在過(guò)去幾年中累積下降了超過(guò)60%。
借助語(yǔ)料數(shù)據(jù)的“燃料”和深度學(xué)習(xí)的“發(fā)動(dòng)機(jī)”，目前搜狗輸入法語(yǔ)音識(shí)別準(zhǔn)確率已超過(guò)97%。對(duì)于以當(dāng)前技術(shù)水平無(wú)法實(shí)現(xiàn)的剩下的3%，王硯峰指出，“這叫語(yǔ)音識(shí)別最后一公里問(wèn)題”。他隨后介紹了搜狗輸入法今年推出了語(yǔ)音修改功能，借助自身的詞庫(kù)、拆字庫(kù)和用戶(hù)語(yǔ)料，以及知識(shí)圖譜的支持，如今用戶(hù)錯(cuò)誤率已經(jīng)降低了80%，有效解決了語(yǔ)音識(shí)別“最后一公里”的問(wèn)題。
而對(duì)于更聰明的“大腦”，王硯峰表示，傳統(tǒng)的通用語(yǔ)音助手不如場(chǎng)景化的專(zhuān)用語(yǔ)音交互更具實(shí)用性。他指出，通用語(yǔ)音助手難以解決用戶(hù)多種多樣的問(wèn)題，因而面臨使用體驗(yàn)較差、屢遭用戶(hù)詬病的窘境;而搜狗通過(guò)借助多輪對(duì)話(huà)、技術(shù)圖譜等實(shí)現(xiàn)技術(shù)能力提升，并將使用場(chǎng)景明確化以降低問(wèn)題難度，“對(duì)話(huà)能力、知識(shí)圖譜跟具體的場(chǎng)景結(jié)合起來(lái)，語(yǔ)音交互的處理能力、智能性、實(shí)用性就可以好很多。”
對(duì)于智能家居產(chǎn)品來(lái)說(shuō)語(yǔ)音交互應(yīng)當(dāng)能從本質(zhì)上實(shí)現(xiàn)智能家居的讓生活更簡(jiǎn)便的愿景。對(duì)消費(fèi)者來(lái)說(shuō)，有一天能夠通過(guò)語(yǔ)音而不是無(wú)盡的app和遙控器實(shí)現(xiàn)對(duì)智能家居產(chǎn)品的操作，那將是一件多么美好的事。想像一下，一句“我覺(jué)得現(xiàn)在有點(diǎn)熱，溫度稍微調(diào)低點(diǎn)。”便能實(shí)現(xiàn)空調(diào)的溫度調(diào)節(jié)，和找到遙控器再通過(guò)遙控按鍵將溫度調(diào)低，哪種更智能、更方便簡(jiǎn)直顯而易見(jiàn)。
