口音已成為語音識(shí)別技術(shù)發(fā)展的一大難題

（文章來源：品途商業(yè)評論）

語音對于人機(jī)交互的重要性毋庸置疑，無論是國內(nèi)外企業(yè)，都在語音識(shí)別的速度、準(zhǔn)確度以及多語種方面持續(xù)創(chuàng)新，但是當(dāng)機(jī)器面對那些有口音的人來說，似乎就沒有那么靈敏了：不僅注意力會(huì)不集中，反應(yīng)遲鈍，甚至還會(huì)成為一個(gè)獨(dú)立的個(gè)體，不予任何回應(yīng)。如何解決口音識(shí)別問題，已成為智能語音下一階段的競爭焦點(diǎn)，但這不僅僅是單純的增加語料庫就能提升的，好在已經(jīng)有少數(shù)公司，開始通過構(gòu)建新的語音模型，來解決口音問題。

自IBM的Shoebox與Worlds of Wonders的Julie Doll問世以來，語音識(shí)別技術(shù)已經(jīng)取得了長足進(jìn)步。甚至有報(bào)道稱，到2018年底，谷歌Google Assistant將支持超過30種語言。除此以外，高通已經(jīng)開發(fā)出了一款能夠識(shí)別單詞和短語的語音識(shí)別設(shè)備，準(zhǔn)確率高達(dá)95％。而微軟也不甘示弱，其呼叫中心解決方案（智能語音客服）比人工展開的呼叫服務(wù)更準(zhǔn)確，更高效。

但需要注意的是，盡管在機(jī)器學(xué)習(xí)的加持下，語音識(shí)別技術(shù)取得了巨大的進(jìn)步，但現(xiàn)在的語音識(shí)別系統(tǒng)還是不完美的。比如，不同地區(qū)的口音，讓這項(xiàng)技術(shù)擁有了很強(qiáng)的“地域歧視性”。通常情況下，口音對人類來說不是什么大問題，有時(shí)還會(huì)讓人感覺到一種異國風(fēng)情的魅力，但是對機(jī)器而言，這是一條難以跨越的鴻溝，可能是其發(fā)展過程中面臨的最大挑戰(zhàn)。

最近，華盛頓郵報(bào)與Globalme和Pulse Labs兩家語言研究公司合作，對搭載了語音識(shí)別技術(shù)的智能音箱設(shè)備的口音問題進(jìn)行了研究，研究范圍來自美國近20個(gè)城市、超過100名參與者發(fā)出的數(shù)千條語音命令，結(jié)果顯示，這些系統(tǒng)在理解來自不同地區(qū)的人的語言時(shí)存在顯著差異。

舉個(gè)例子，谷歌智能音箱Google Home識(shí)別西岸口音的準(zhǔn)確率比識(shí)別南方口音高3％；而亞馬遜語音助手Alexa識(shí)別中西部的口音的準(zhǔn)確率要比東岸口音低2％。但面臨最大問題的是持非本土口音的人：在一項(xiàng)研究中，通過對比Alexa識(shí)別的內(nèi)容與測試組的實(shí)際話語，結(jié)果顯示不準(zhǔn)確率可達(dá)30％。此外，面對以西班牙語和漢語作為第一語言的人所說的英文，不管是Google Home還是Amazon Echo，其識(shí)別率都是最低的，要知道，拉丁裔和華裔是美國的兩大移民族群。

雖然這項(xiàng)研究是非正式的，也存在一定的限制，但其結(jié)果還是表明口音仍是語音識(shí)別技術(shù)面臨的主要挑戰(zhàn)之一。對此，亞馬遜在一份聲明中稱，“隨著越來越多的擁有不同口音的人與Alexa進(jìn)行交流，Alexa的理解能力也會(huì)得到改善?！蓖瑫r(shí)，谷歌也表示，“在擴(kuò)大數(shù)據(jù)集的同時(shí)，我們也將繼續(xù)提高Google Home的語音識(shí)別能力?！?/p>

事實(shí)上，不只是Amazon Echo和Google Home，采用率更低一些的微軟Cortana和蘋果Siri也是如此，它們都需要及時(shí)提高自家的語音識(shí)別技術(shù)，以便讓用戶感到滿意的同時(shí)，又能在全球范圍內(nèi)擴(kuò)大自己的影響力。