AI時代即將到來，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果，也許機器會直接執(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號機器人為您服務》。記得那時才大三，感覺百度發(fā)布的度秘機器人好牛逼，天文地理無所不知。但那時的度秘也僅僅是個加強版的微軟小冰，只不過是連接了更多的服務，因為百度在這方面有著天然的優(yōu)勢。那時的度秘雖然看起來也很全能，但從未自然的融入實際生活場景中，因為究其本質，它是以擬人對話形式整合線下服務與功能。

而如今，親身體驗了這場技術變革帶來的改變，不禁感慨，AI時代即將到來，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果，也許機器會直接執(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

時光飛逝，短短兩年，互聯(lián)網行業(yè)日新月異，經歷了AR、VR的變革，又見證了阿法狗的崛起。人工智能這個詞似乎離我們越來越近。通常來講，每一次全新時代的到來，都是因為一個傳統(tǒng)的形式被顛覆。

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

艾媒數(shù)據(jù)的調研結果

可以看出，語音識別高居第一，其次是智能家居。這兩方面都有一個共同點在于：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絡的構建與連接，形成物聯(lián)網，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系列產品

而現(xiàn)在，無論是國外的亞馬遜、谷歌還是國內的小米等生產智能硬件的公司，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該分三個步驟：聽清、聽懂、滿足。

• 聽清：當用戶的聲音從麥克風輸入時，應有拾音器記錄用戶聲音，并準確的進行識別，將最終結果反饋給AI大腦。而在這個過程中，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：當大腦拿到結果后，要對其進行解析，將語音轉為文字，并進行語義分析，同樣需要強大的算法和機器學習能力，不斷去糾錯。哪些是命令詞，哪些是內容詞，要進行區(qū)分，最終普通的一句話要被拆分為命令、內容等相關類型詞。
• 滿足：當一句簡單的話被AI大腦理解，接下來的就是滿足用戶，用戶如需要查詢，便去告訴他相應內容。用戶如需要執(zhí)行動作，便去完成整個動作流程。

而事實上，這三個重要步驟，對于一家普通公司，基本是不可能完成的任務。

它要求既要有扎實的語音識別技術，又要有牛逼的語義理解能力，最后還需要有強大的內容數(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，因為這種場景下，用戶的使用習慣，喜好會徹底的釋放和表達，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施，當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視頻。

對智能電視說：

“我想看個賽車類電影”，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，已經構建成了物聯(lián)網。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，你說所說的每個指令，都會直接影響到當前家居的運行狀態(tài)。甚至可以對其動作進行組合，形成物聯(lián)網+語音交互。

小米智能硬件生態(tài)圈

在我看來，最有可能率先實現(xiàn)該場景的就是小米。

小米近幾年基本完成關于智能硬件生態(tài)圈的布局，覆蓋了家庭場景下大部分高頻使用的硬件設施，并將其與手機連接在一起，使用戶通過手機可以快速的管理。本次小米電視4的發(fā)布，其中一個亮點便是：將家居中的每一個智能硬件部分都和電視，手機控制端進行連接。最終實現(xiàn)最完美的智能家居生活場景：對著電視或遙控器說一聲：關閉空調、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VR技術被鼓吹的神乎其神，最終還是因硬件成本居高不下以及體驗難以提升淪為AI的泡影產物。而語音識別不應如此，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品智能化的希望。

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

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

對于未知的好奇心，要遠遠大于恐懼。

#專欄作家#

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

本文原創(chuàng)發(fā)布于人人都是產品經理，未經許可，不得轉載。