張曉潔

什么是聽覺的高級(jí)體驗(yàn)？計(jì)算機(jī)不光要知道人們說(shuō)了些什么，還要通過(guò)了解語(yǔ)音以外的表情、肢體語(yǔ)言、說(shuō)話的語(yǔ)氣等“潛臺(tái)詞”，知道人們想要表達(dá)些什么，并與人類有感情的互動(dòng)。

不管是通電話，聽音樂(lè)還是用語(yǔ)音搜索餐廳、電影院等生活信息，與其他感官相比，聽覺與移動(dòng)設(shè)備的配合都更天然。

從剛性需求來(lái)說(shuō)，移動(dòng)設(shè)備的特征讓聲音是最容易實(shí)現(xiàn)且穩(wěn)定可靠的選擇。比如用耳朵聽，終端可以小巧方便攜帶，而移動(dòng)過(guò)程中駕駛和走路的場(chǎng)景，聽覺最容易兼顧協(xié)調(diào)其他感官，另外，語(yǔ)音作為人類傳遞信息最高效的工具，即使在傳輸中被打斷，也可以重新啟動(dòng)繼續(xù)上一次的體驗(yàn)，更重要的是，聲音具有個(gè)性可識(shí)別，這對(duì)于移動(dòng)設(shè)備的加密的迅速解鎖尤其重要。

從心理需求上看，聲音作為人類最自然的本能可以傳遞情感，無(wú)論語(yǔ)言還是音樂(lè)，飽含情感的聲音都能給予聽者異樣的感受。而且，人們天然對(duì)于好的聲音具有追求和炫耀的心理，容易形成粉絲和競(jìng)爭(zhēng)性。

因此，聽覺是人機(jī)交互開發(fā)最成熟的感官，科技公司對(duì)語(yǔ)音的探索可以追溯到上世紀(jì)90年代末IBM公司發(fā)布的ViaVoice 98 連續(xù)語(yǔ)音識(shí)別產(chǎn)品，比爾·蓋茨早在2006年就提出過(guò)未來(lái)將在操作系統(tǒng)中實(shí)現(xiàn)自然語(yǔ)音的人機(jī)交互，微軟還收購(gòu)了TeLLMEe，平臺(tái)每年執(zhí)行110億次以上語(yǔ)音識(shí)別的請(qǐng)求。同樣，蘋果公司在人機(jī)交互上最出名的應(yīng)用也是語(yǔ)音控制產(chǎn)品Siri，從語(yǔ)音識(shí)別軟件拓展開去，腰搖身變成用戶的私人生活助手，幫助用戶通過(guò)手機(jī)讀短信、詢問(wèn)天氣、語(yǔ)音設(shè)置鬧鐘等，并搜索生活和地理信息，一度被認(rèn)為是蘋果在搜索上與谷歌競(jìng)爭(zhēng)的殺手锏，但是也被更多人評(píng)論為漏洞百出，供人“調(diào)戲”的大玩具。

無(wú)論如何，基于聲音的產(chǎn)品已經(jīng)成為去年以來(lái)最火熱的產(chǎn)品，這些應(yīng)用中，語(yǔ)音可以是主菜也可能是調(diào)料，像騰訊微信、百度語(yǔ)音搜索、YY語(yǔ)音、唱吧、啪啪等等都借助聲音的特色一躍成為國(guó)內(nèi)移動(dòng)產(chǎn)品中的明星。而在從事語(yǔ)音基礎(chǔ)研究的科大訊飛向合作伙伴開放的語(yǔ)音云上，已經(jīng)有不少開發(fā)者正在投身聲音的應(yīng)用，都有機(jī)會(huì)成為移動(dòng)世界里的下一個(gè)幸運(yùn)兒。

2013年，將是聲音產(chǎn)品真正獲得認(rèn)可之年。如同科大訊飛副總裁江濤對(duì)市場(chǎng)的預(yù)期，“隨著去年新一代iPhone正式發(fā)布，Google 開始推動(dòng)語(yǔ)音云技術(shù)；加上百度、騰訊等互聯(lián)網(wǎng)廠商推出相關(guān)產(chǎn)品，用戶教育過(guò)程會(huì)很快。到今年下半年，哪個(gè)手機(jī)沒有語(yǔ)音交互的功能，就會(huì)很奇怪了”。

另一方面，語(yǔ)音識(shí)別技術(shù)也在加速成熟，百度多媒體事業(yè)部副總監(jiān)余凱博士就表示，“大數(shù)據(jù)時(shí)代和更強(qiáng)大的計(jì)算能力，都使得數(shù)據(jù)更容易搜集，模型的訓(xùn)練速度大幅提高，過(guò)去一年里，語(yǔ)音搜索識(shí)別率提高了30%-50%，比過(guò)去10年提高的速度還快?！彼a(bǔ)充說(shuō)，“移動(dòng)時(shí)代的需求也和從前大不一樣了?！笨梢灶A(yù)見的是，當(dāng)語(yǔ)音技術(shù)和市場(chǎng)逐漸成熟后，Siri等應(yīng)用作為語(yǔ)音入口的能量，必將催生新的產(chǎn)業(yè)群鏈。

未來(lái)，成熟的語(yǔ)音技術(shù)將使得機(jī)器的表達(dá)具備人類的情感。就像劍橋大學(xué)計(jì)算機(jī)實(shí)驗(yàn)室的教授彼得·羅賓遜所希望的那樣，計(jì)算機(jī)不光要知道人們說(shuō)了些什么，還要通過(guò)了解語(yǔ)音以外的表情、肢體語(yǔ)言、說(shuō)話的語(yǔ)氣等“潛臺(tái)詞”，知道人們想要表達(dá)些什么，并與人類有感情的互動(dòng)，這才是聽覺的高級(jí)體驗(yàn)。