為什么要在智能家居使用語音交互？

互聯(lián)網(wǎng)女皇瑪麗·米克2016年的《互聯(lián)網(wǎng)趨勢報(bào)告》中指出，目前語音已經(jīng)是最有效的輸入計(jì)算方式，美國使用過語音助手的用戶2015年已經(jīng)達(dá)到了65%，而其中43%是在家中使用的，凸顯了語音交互在智能家居中的重要意義。

王硯峰表示，新技術(shù)、新產(chǎn)品的推廣使用一定存在剛需，而語音交互的剛需則存在于駕車、客廳、戶外等不方便使用鍵盤打字的場景中。他認(rèn)為需要在這三個場景上把語音做深體驗(yàn)做好，才能給用戶帶來價值。

語音交互應(yīng)該做什么？

王硯峰認(rèn)為，語音落地的產(chǎn)品，首先不應(yīng)該是所謂的“中控”，因?yàn)?ldquo;中控”不是具體的產(chǎn)品;也不是所謂“機(jī)器人”，因?yàn)槟壳暗闹謾C(jī)器人不能幫人們解決任何實(shí)際需求和問題;他表示，“任何夸大人工智能在客廳產(chǎn)品中作用的行為都是耍流氓。”

王硯峰對客廳中的語音應(yīng)用提出了兩個標(biāo)準(zhǔn)：好產(chǎn)品和豐富的內(nèi)容。他表示比如亞馬遜Echo就是好產(chǎn)品，首先它本身是一個好的音箱，并且適應(yīng)美國家庭用戶的消費(fèi)文化和習(xí)慣，那在美國就屬于好的產(chǎn)品。

而語音要在好產(chǎn)品上產(chǎn)生價值，就需要豐富的消費(fèi)內(nèi)容資源。僅僅作為控制器的語音對設(shè)備帶來的增值不大，而當(dāng)涉及內(nèi)容查詢以及更多交互時，才是語音最有價值的使用場景，“語音識別做耳朵，語義理解是大腦，智能家居上要讓語音有自然交互，需要更靈敏的耳朵以及更聰明的大腦。”王硯峰指出。

怎么讓語音交互做的更好？

如何讓語音交互做的更好？王硯峰認(rèn)為要訓(xùn)練語音識別這一“更靈敏的耳朵”，需要大規(guī)模的優(yōu)質(zhì)語音訓(xùn)練數(shù)據(jù)和深度學(xué)習(xí)的技術(shù)能力積累，而搜狗在這一點(diǎn)上有著巨大的優(yōu)勢。據(jù)他介紹，搜狗擁有中國互聯(lián)網(wǎng)上最大的語音語料：作為國內(nèi)第一大語音輸入應(yīng)用，搜狗輸入法每天語音輸入頻次達(dá)到1.4億次，產(chǎn)生11.7萬小時的語料規(guī)模，比當(dāng)前國內(nèi)任何語音技術(shù)團(tuán)隊(duì)使用的訓(xùn)練語料都要大。另一方面，深度學(xué)習(xí)的技術(shù)不斷推動語音識別錯誤率的下降。從2013年開始，借助深度神經(jīng)網(wǎng)絡(luò)和海量用戶數(shù)據(jù)，搜狗輸入法的線上錯誤率在過去幾年中累積下降了超過60%。

借助語料數(shù)據(jù)的“燃料”和深度學(xué)習(xí)的“發(fā)動機(jī)”，目前搜狗輸入法語音識別準(zhǔn)確率已超過97%。對于以當(dāng)前技術(shù)水平無法實(shí)現(xiàn)的剩下的3%，王硯峰指出，“這叫語音識別最后一公里問題”。他隨后介紹了搜狗輸入法今年推出了語音修改功能，借助自身的詞庫、拆字庫和用戶語料，以及知識圖譜的支持，如今用戶錯誤率已經(jīng)降低了80%，有效解決了語音識別“最后一公里”的問題。

而對于更聰明的“大腦”，王硯峰表示，傳統(tǒng)的通用語音助手不如場景化的專用語音交互更具實(shí)用性。他指出，通用語音助手難以解決用戶多種多樣的問題，因而面臨使用體驗(yàn)較差、屢遭用戶詬病的窘境;而搜狗通過借助多輪對話、技術(shù)圖譜等實(shí)現(xiàn)技術(shù)能力提升，并將使用場景明確化以降低問題難度，“對話能力、知識圖譜跟具體的場景結(jié)合起來，語音交互的處理能力、智能性、實(shí)用性就可以好很多。”