張汀

很多人越來越習(xí)慣通過語音助理與自己的電腦、手機和智能揚聲器“聊天”，比如亞馬遜Alexa、蘋果Siri、微軟Cortana和谷歌助手。

不識字的農(nóng)民Yacouba Sawadogo正在測試移動網(wǎng)絡(luò)上的語音服務(wù)

幾十年來，盲人和弱視群體一直在使用文本轉(zhuǎn)語音轉(zhuǎn)換器。有些人認為，語音很快就可以代替打字和點擊，成為在線互動的主要方式。那么，向“語音網(wǎng)絡(luò)”轉(zhuǎn)化將面臨哪些挑戰(zhàn)？

為農(nóng)民播報天氣

如果您無法閱讀，那么網(wǎng)絡(luò)的文字內(nèi)容有什么用處？這是加納不識字的農(nóng)民所面臨的境況，他們也因而無法接收互聯(lián)網(wǎng)向其他多數(shù)人提供的重要信息。

“鑒于加納北部的識字率只有22.6%，農(nóng)民們常常以低于市場標準的價格出售其農(nóng)產(chǎn)品，因為他們可能沒有意識到時下的價格?！备ヌm西斯·迪托表示，他是語音天氣信息服務(wù)商Mr Meteo的研究員。

“最常見的投訴是關(guān)于天氣預(yù)報，”住在加納北部塔馬利的迪托先生說。

“農(nóng)民告訴我們，他們的祖先用來預(yù)測天氣的方法現(xiàn)在似乎不管用了?！彼J為這是氣候變化導(dǎo)致的。預(yù)知何時下雨對于想播種、灌溉作物或放牧的農(nóng)民來說至關(guān)重要。

迪托說，將在線天氣報告轉(zhuǎn)換成語音的想法來自農(nóng)民自己，他們在Guabuligah村召開一次研討會之后提出了這個想法。

Mr Meteo發(fā)布在線天氣預(yù)報，將其轉(zhuǎn)換為能在普通手機上播放的簡短錄音。農(nóng)民撥打電話接收信息。在加納，有120萬人使用當?shù)卣Z言Dagbani，但谷歌翻譯卻不提供該語種的翻譯服務(wù)。

迪托說，規(guī)劃這個服務(wù)的初衷就是便宜且易于操作。

人工智能還不夠聰明

語音網(wǎng)絡(luò)還可以幫助歐美五分之一閱讀能力差的成年人，在阿姆斯特丹工作的大學(xué)研究員安娜·波恩說，她曾在馬里和布基納法索從事“網(wǎng)絡(luò)到語音”系統(tǒng)的早期原型開發(fā)工作。

但是建立語音網(wǎng)絡(luò)——“網(wǎng)絡(luò)到語音”和“語音到網(wǎng)絡(luò)”——并非易事?！袄斫庖獯罄蛷d供應(yīng)披薩很容易，”語音識別公司Nuance的研究主管尼爾斯·倫克說，“要覆蓋多個領(lǐng)域并且能夠在每個主題上都能與用戶對話，實現(xiàn)起來仍然遙遙無期?！?/p>

因此，盡管Alexa和其他類似服務(wù)可以回答簡單的天氣問題并為我們播放音樂，但大多數(shù)專家都認為，要進行各種內(nèi)容寬泛的對話還需要幾十年才能實現(xiàn)——人工智能還不夠聰明。

就連將一個人的聲音轉(zhuǎn)化為文字，即自動語音識別，仍是“有待解決的最大的難題之一，因為全世界的語言太多了，發(fā)音各不相同”，位于巴黎的語音創(chuàng)業(yè)公司Snips的創(chuàng)始人蘭德·因迪如是說。

?醫(yī)生通過語音在線填寫患者信息表格，每分鐘可以口述150個單詞，比在鍵盤上打字快三倍

這種說法可能有些夸張，但是地方方言和口音的多樣性確實增加了這項任務(wù)的難度。

因迪表示，網(wǎng)絡(luò)-語音界面正在逐步優(yōu)化。他們已經(jīng)開始學(xué)習(xí)如何處理引號以及標題和旁白之間的停頓，而且現(xiàn)在的發(fā)音聽起來也不那么像機器人了。現(xiàn)在“它們可以強調(diào)重音和低語了”，他說。

但安娜·波恩相信，數(shù)字語音需要更多的個性才能讓它們受到追捧。“機器人還不夠機智，Siri很無聊?！彼f。

使用語音而不是敲擊手指的好處顯然取決于應(yīng)用環(huán)境。

倫克表示，例如，醫(yī)生通過語音在線填寫患者信息表格，每分鐘可以口述150個單詞，比在鍵盤上打字快三倍。這樣一來，他們減少了花在管理上的時間，有了更多時間治療患者。

2017年，Nuance為英國曼徹斯特一家診所的手術(shù)提供了幫助，為進行手術(shù)的六名醫(yī)生建立了一個語音系統(tǒng)?，F(xiàn)在，他們可以對患者的健康狀況和治療對策進行口述，而智能助理會自動將信息輸入到網(wǎng)頁表單的正確位置。而之前的做法是，醫(yī)生先錄制音頻，再由秘書抄錄——這個過程不僅耗資巨大，而且容易被拖延。

診所經(jīng)理朱莉·普雷格納爾表示，在新系統(tǒng)的作用下，該診所每天可以多治療四個患者，不僅如此，給患者的信件也能包含更多細節(jié)。

語音操作的便捷度

當一個人在用手做其他事情的時候，使用語音也很方便。

“比如你正在做飯，”因迪說，“你只是想知道菜譜的下一步是什么。你的手很油膩，你不想弄臟iPad，所以用講話的方式操作就自然很多?！?/p>

開車的時候用語音也大有用處。根據(jù)保險公司State Farm的數(shù)據(jù)，在美國，29%的司機承認會在開車的時候瀏覽網(wǎng)頁。而2009年這個比例只有13%。統(tǒng)計顯示，美國每年由于駕車時使用手機而導(dǎo)致的車禍事件比酒后駕車的案例更多。

史蒂夫·韋德是一名工程師，他最近開發(fā)了一款名為Polly的插件，該插件為WordPress網(wǎng)站提供語音功能。

“在像中文這樣復(fù)雜的書面語言體系中，語音可能會給你帶來優(yōu)勢?！彼f。

當然，語音在圖書館、禮拜場所或講座劇院等場所的用處不大，所以顯然，盡管有一些預(yù)測表明到2020年將有多達一半的搜索可能會使用語音，但網(wǎng)絡(luò)必須能允許用戶根據(jù)環(huán)境決定使用的任一方式訪問。然而建設(shè)語音網(wǎng)絡(luò)這件事，說起來容易做起來難。