對(duì)于語(yǔ)音助手分類的三個(gè)層次你了解多少

（文章來(lái)源：百家號(hào)）
? ? ? ?現(xiàn)在的手機(jī)都是有著手機(jī)語(yǔ)音助手，雖說(shuō)有時(shí)候語(yǔ)音助手的識(shí)別率并不是很高，但是在某種方面來(lái)說(shuō)，語(yǔ)音助手的確是方便我們?cè)S多。而如今不僅僅是手機(jī)，汽車上也是慢慢有車內(nèi)語(yǔ)音交互這項(xiàng)功能了。下面就讓我們了解一下汽車上的“語(yǔ)音助手吧”。

2010年之前，車內(nèi)語(yǔ)音交互是“命令式交互”。2010—2017年，“自然語(yǔ)音交互”發(fā)展成主流，未來(lái)，語(yǔ)音交互將向“主動(dòng)對(duì)話式交互”發(fā)展，單純的語(yǔ)音識(shí)別將變成功能更強(qiáng)的語(yǔ)音助手。國(guó)際語(yǔ)音巨頭Nuance大中華區(qū)研究部副總裁吳建雄博士曾經(jīng)用了一個(gè)非常形象的類比描繪語(yǔ)音助手的三個(gè)層次。

最基本的層次是打字員：他可以將你說(shuō)的話準(zhǔn)確地記錄下來(lái)，這樣你就不需要將相同的話向多人重復(fù)，助手會(huì)把話中布置的任務(wù)交給相應(yīng)的人去做。第二個(gè)層次是辦公室文員：文員與打字員的區(qū)別是，文員可以幫助你去完成一個(gè)具體的任務(wù)。例如，你想在周末去餐廳吃飯，文員會(huì)通過(guò)查詢包括餐廳地點(diǎn)及駕車路線、停車場(chǎng)位置及是否有空位、能否訂到位置等信息來(lái)完成該任務(wù)。

最高層次是秘書(shū)：秘書(shū)與文員的區(qū)別是，秘書(shū)能夠領(lǐng)會(huì)領(lǐng)導(dǎo)的意思，即很多事情領(lǐng)導(dǎo)即便不說(shuō)，秘書(shū)也能心領(lǐng)神會(huì)，將其完成。

就這三個(gè)層次的實(shí)現(xiàn)情況，目前語(yǔ)音識(shí)別廠商在打字員層次上的功能已經(jīng)做得非常好了。但對(duì)于消費(fèi)者來(lái)說(shuō)，理想的車載系統(tǒng)要隨時(shí)隨地聽(tīng)懂他在講什么，當(dāng)用戶產(chǎn)生疑問(wèn)時(shí)，車機(jī)可以即時(shí)提供相關(guān)的解決方案，幫助消費(fèi)者完成任務(wù)，消費(fèi)者不需要用額外的操作、煩瑣的頁(yè)面完成功能。

語(yǔ)音助手涉及的技術(shù)并不簡(jiǎn)單是語(yǔ)音識(shí)別，還會(huì)涉及數(shù)據(jù)的收集、處理，如何將人工智能和機(jī)器學(xué)習(xí)運(yùn)用到機(jī)器處理當(dāng)中，如何將這些數(shù)據(jù)銜接，將消費(fèi)者用戶需要的功能真正傳遞給消費(fèi)者。目前行業(yè)內(nèi)正在解決的是，如何讓語(yǔ)音助手自動(dòng)完成一個(gè)任務(wù)。其難點(diǎn)在于，有些時(shí)候，人并不是把任務(wù)中的所有要求細(xì)節(jié)都說(shuō)出來(lái)，需要通過(guò)多次人機(jī)對(duì)話，以提問(wèn)的方式來(lái)逐步獲取缺失的信息。

至于要讓語(yǔ)音助手領(lǐng)會(huì)人的意思，還需要積累更多有關(guān)個(gè)人習(xí)慣的數(shù)據(jù)，通過(guò)機(jī)器學(xué)習(xí)的方式來(lái)集成到語(yǔ)音助手系統(tǒng)內(nèi)。需要將麥克風(fēng)陣列、前端聲學(xué)處理、語(yǔ)音喚醒、端點(diǎn)檢測(cè)、語(yǔ)音識(shí)別、語(yǔ)義理解、語(yǔ)音合成等技術(shù)在整個(gè)交互鏈上進(jìn)行深度融合的系統(tǒng)，并且支持全雙工、多輪交互等新特性。