登錄
注冊
語音識別不好用？因為它還是個孩子?。?/h1>
作者：本站收錄
來源：中關(guān)村在線
日期：2017-05-09 09:26:53
摘要：這年頭，什么都系不帶上智能元素，似乎都賣不出去了，就算再高端的家居互聯(lián)系統(tǒng)，如果不帶語音控制，照樣像段子里如來嘲笑玉皇大帝那樣被嫌棄。語音識別、語音控制對我們大家來說都不算新鮮的東西，但這一功能現(xiàn)在更多的功能還是為了提升產(chǎn)品的逼格，而真正得到使用的少之又少。究其原因，還是不好用。
口音對語音系統(tǒng)來說是個難題
這年頭，什么都系不帶上智能元素，似乎都賣不出去了，就算再高端的家居互聯(lián)系統(tǒng)，如果不帶語音控制，照樣像段子里如來嘲笑玉皇大帝那樣被嫌棄。語音識別、語音控制對我們大家來說都不算新鮮的東西，但這一功能現(xiàn)在更多的功能還是為了提升產(chǎn)品的逼格，而真正得到使用的少之又少。究其原因，還是不好用。
語音識別功能被廣泛普及 但使用者少之又少
智能生活、智能人機交互的理念在很早之前就被提出，甚至在不少影視作品中都出現(xiàn)了能夠直接通過語音控制的設(shè)備、系統(tǒng)，尤其無論使用者在多么嘈雜的環(huán)境中，語音識別系統(tǒng)都能快速、準確的識別使用者的語音。
電影中的人工智能無論是對話還是講笑話無所不能
那么，我們現(xiàn)在的語音識別技術(shù)發(fā)展到了什么程度?現(xiàn)在確實有非常多的智能設(shè)備都使用了語音操控的功能，但是無論是蘋果的Siri還是亞馬遜的Alexa，亦或是各家廠商推出的智能設(shè)備，在宣傳自己產(chǎn)品時都宣稱自己的語音識別系統(tǒng)識別率多高，內(nèi)置了多少種語言，但在用戶使用時，會非常普遍的出現(xiàn)無法識別的問題。并且這一問題出現(xiàn)的范圍非常廣泛，不僅僅只發(fā)生在小廠家身上，前段時間一個美國用戶向亞馬遜投訴Alexa系統(tǒng)，原因是Alexa無法識別她母親稍帶口音的英文。
“罪魁禍首”Alexa
為了驗證這個問題，筆者在辦公室里請同事們用方言、外語無限轟炸筆者的蘋果Siri，發(fā)現(xiàn)在設(shè)定普通話后，Siri完全無法識別各種方言，無論是閩南語、四川話、粵語甚至連與普通話非常相近的北京話也無法有效識別，就更不要提其他語種的語言了。
那么，為什么本應(yīng)該非常好用的語音識別系統(tǒng)變得這么弱?最主要的原因就是，方言和口音太多了，我們先不說外語語系里都有多少種方言，就說中國就有多少種方言?如果是與普通話比較相近的方言還好，真遇上如閩南語、紹興話、馬鞍山話之類比較難懂的方言，什么樣的語音識別系統(tǒng)都沒辦法。
從“倒鴨子”上就能看出口音對語音識別系統(tǒng)的影響
即使語音識別系統(tǒng)想收錄這些方言也不是一件簡單的事兒，畢竟方言種類真的很多，光是大的語言分類就有官話、晉語、湘語、贛語、吳語、閩語、粵語、客語八種，每種大類方言下面又有多種區(qū)域性的方言，還有一些因為族群遷移與地方方言結(jié)合的變種方言，單從數(shù)量上來講，收錄這些語言就是一項非常龐大的工作。但如果硬性要求所有的用戶都說普通話，也是比較不現(xiàn)實的，首先中國普通話多少年了?在北京的街頭上依然能聽到各種各樣的方言。另外，學習普通話，對于年輕人來說可能不是什么太大的問題，對于年齡稍大一點的用戶來說，重新學習一種新的語言完全不現(xiàn)實。
陷入兩難境地的語音系統(tǒng)
從用戶使用的角度來說，現(xiàn)有的語音識別系統(tǒng)存在較大的矛盾，年輕人能夠比較快的接受新生事物，對新出現(xiàn)的智能產(chǎn)品、系統(tǒng)能夠以較快的速度接受，語音識別系統(tǒng)對他們來說只是一種讓操作更加快捷或更加節(jié)省時間的操作模式。而年齡較大的用戶，他們并不能較快的接受新的智能產(chǎn)品，在操作時會遇到各種各樣的問題(各位想想，父母有沒有在我們回家的時候舉著手機說有什么功能不會用了，讓我們教他們用)，他們會更加希望依賴操作和理解起來都比較簡單的語音操作。但是上邊我們也說過了，這些年齡較大的用戶在學習普通話這件事上同樣困難重重，所以本應(yīng)非常好用的語音系統(tǒng)對于他們來說同樣不好用。
事實上 真正需要語音識別系統(tǒng)的是年齡較大的用戶
如果單獨是因為口音問題，現(xiàn)在這么多在研究語音識別系統(tǒng)的公司，如果合作起來，只要資源共享，這應(yīng)該不是個問題。那么，制約語音識別發(fā)展的最主要原因來了，各家公司語音識別系統(tǒng)的源數(shù)據(jù)并不共享。語音識別中最重要的就是對語音的采集和分析，這是項工作量非常龐大的內(nèi)容，如果想要構(gòu)建支持不同口音的語音識別系統(tǒng)，這一工作量還將呈幾何倍數(shù)驟增。所以，即使是對于蘋果或亞馬遜這樣的超大型公司來說，也不可能支持無限語種的采集和分析。因此，各家研究語音識別系統(tǒng)的公司對源數(shù)據(jù)的保密控制堪稱苛刻，想弄到其他公司的語音源數(shù)據(jù)也是根本不可能的。
語音采集是一項非常繁復(fù)的工作
除去口音問題和源數(shù)據(jù)不共享的問題，語音識別系統(tǒng)的分析能力和云計算能力也是嚴重制約語音發(fā)展的重要因素。當用戶在使用語音系統(tǒng)時，設(shè)備端收集到語音，需要通過識別系統(tǒng)的云計算能力進行運算和分析。云計算能力和支持云計算的硬件、傳輸網(wǎng)絡(luò)都不是一個非常好解決的問題，需要較長時間的積累不斷完善優(yōu)化。
或許我們很快就能看到真正智能的語音識別系統(tǒng)
很多人都覺得現(xiàn)在使用的語音識別系統(tǒng)并不好用，完全達不到我們想象中那種能夠僅憑借語音就能實現(xiàn)所有操作，或者能夠幫我們節(jié)約大量時間的程度。更多時候，我們會感覺面對的不適一個智能的語音識別系統(tǒng)，而是家中聽不懂我們在說什么的寵物或者小孩子，需要我們放慢語氣、用最標準的普通話、一遍一遍的和他們慢慢說。不過別著急，現(xiàn)在的語音識別系統(tǒng)還真就是個孩子，它正在以非?？斓乃俣冗M步著，相信不久以后，真正好用的語音識別系統(tǒng)就會出現(xiàn)在我們身邊。
口音對語音系統(tǒng)來說是個難題
這年頭，什么都系不帶上智能元素，似乎都賣不出去了，就算再高端的家居互聯(lián)系統(tǒng)，如果不帶語音控制，照樣像段子里如來嘲笑玉皇大帝那樣被嫌棄。語音識別、語音控制對我們大家來說都不算新鮮的東西，但這一功能現(xiàn)在更多的功能還是為了提升產(chǎn)品的逼格，而真正得到使用的少之又少。究其原因，還是不好用。
語音識別功能被廣泛普及 但使用者少之又少
智能生活、智能人機交互的理念在很早之前就被提出，甚至在不少影視作品中都出現(xiàn)了能夠直接通過語音控制的設(shè)備、系統(tǒng)，尤其無論使用者在多么嘈雜的環(huán)境中，語音識別系統(tǒng)都能快速、準確的識別使用者的語音。
電影中的人工智能無論是對話還是講笑話無所不能
那么，我們現(xiàn)在的語音識別技術(shù)發(fā)展到了什么程度?現(xiàn)在確實有非常多的智能設(shè)備都使用了語音操控的功能，但是無論是蘋果的Siri還是亞馬遜的Alexa，亦或是各家廠商推出的智能設(shè)備，在宣傳自己產(chǎn)品時都宣稱自己的語音識別系統(tǒng)識別率多高，內(nèi)置了多少種語言，但在用戶使用時，會非常普遍的出現(xiàn)無法識別的問題。并且這一問題出現(xiàn)的范圍非常廣泛，不僅僅只發(fā)生在小廠家身上，前段時間一個美國用戶向亞馬遜投訴Alexa系統(tǒng)，原因是Alexa無法識別她母親稍帶口音的英文。
“罪魁禍首”Alexa
為了驗證這個問題，筆者在辦公室里請同事們用方言、外語無限轟炸筆者的蘋果Siri，發(fā)現(xiàn)在設(shè)定普通話后，Siri完全無法識別各種方言，無論是閩南語、四川話、粵語甚至連與普通話非常相近的北京話也無法有效識別，就更不要提其他語種的語言了。
那么，為什么本應(yīng)該非常好用的語音識別系統(tǒng)變得這么弱?最主要的原因就是，方言和口音太多了，我們先不說外語語系里都有多少種方言，就說中國就有多少種方言?如果是與普通話比較相近的方言還好，真遇上如閩南語、紹興話、馬鞍山話之類比較難懂的方言，什么樣的語音識別系統(tǒng)都沒辦法。
從“倒鴨子”上就能看出口音對語音識別系統(tǒng)的影響
即使語音識別系統(tǒng)想收錄這些方言也不是一件簡單的事兒，畢竟方言種類真的很多，光是大的語言分類就有官話、晉語、湘語、贛語、吳語、閩語、粵語、客語八種，每種大類方言下面又有多種區(qū)域性的方言，還有一些因為族群遷移與地方方言結(jié)合的變種方言，單從數(shù)量上來講，收錄這些語言就是一項非常龐大的工作。但如果硬性要求所有的用戶都說普通話，也是比較不現(xiàn)實的，首先中國普通話多少年了?在北京的街頭上依然能聽到各種各樣的方言。另外，學習普通話，對于年輕人來說可能不是什么太大的問題，對于年齡稍大一點的用戶來說，重新學習一種新的語言完全不現(xiàn)實。
陷入兩難境地的語音系統(tǒng)
從用戶使用的角度來說，現(xiàn)有的語音識別系統(tǒng)存在較大的矛盾，年輕人能夠比較快的接受新生事物，對新出現(xiàn)的智能產(chǎn)品、系統(tǒng)能夠以較快的速度接受，語音識別系統(tǒng)對他們來說只是一種讓操作更加快捷或更加節(jié)省時間的操作模式。而年齡較大的用戶，他們并不能較快的接受新的智能產(chǎn)品，在操作時會遇到各種各樣的問題(各位想想，父母有沒有在我們回家的時候舉著手機說有什么功能不會用了，讓我們教他們用)，他們會更加希望依賴操作和理解起來都比較簡單的語音操作。但是上邊我們也說過了，這些年齡較大的用戶在學習普通話這件事上同樣困難重重，所以本應(yīng)非常好用的語音系統(tǒng)對于他們來說同樣不好用。
事實上 真正需要語音識別系統(tǒng)的是年齡較大的用戶
如果單獨是因為口音問題，現(xiàn)在這么多在研究語音識別系統(tǒng)的公司，如果合作起來，只要資源共享，這應(yīng)該不是個問題。那么，制約語音識別發(fā)展的最主要原因來了，各家公司語音識別系統(tǒng)的源數(shù)據(jù)并不共享。語音識別中最重要的就是對語音的采集和分析，這是項工作量非常龐大的內(nèi)容，如果想要構(gòu)建支持不同口音的語音識別系統(tǒng)，這一工作量還將呈幾何倍數(shù)驟增。所以，即使是對于蘋果或亞馬遜這樣的超大型公司來說，也不可能支持無限語種的采集和分析。因此，各家研究語音識別系統(tǒng)的公司對源數(shù)據(jù)的保密控制堪稱苛刻，想弄到其他公司的語音源數(shù)據(jù)也是根本不可能的。
語音采集是一項非常繁復(fù)的工作
除去口音問題和源數(shù)據(jù)不共享的問題，語音識別系統(tǒng)的分析能力和云計算能力也是嚴重制約語音發(fā)展的重要因素。當用戶在使用語音系統(tǒng)時，設(shè)備端收集到語音，需要通過識別系統(tǒng)的云計算能力進行運算和分析。云計算能力和支持云計算的硬件、傳輸網(wǎng)絡(luò)都不是一個非常好解決的問題，需要較長時間的積累不斷完善優(yōu)化。
很多人都覺得現(xiàn)在使用的語音識別系統(tǒng)并不好用，完全達不到我們想象中那種能夠僅憑借語音就能實現(xiàn)所有操作，或者能夠幫我們節(jié)約大量時間的程度。更多時候，我們會感覺面對的不適一個智能的語音識別系統(tǒng)，而是家中聽不懂我們在說什么的寵物或者小孩子，需要我們放慢語氣、用最標準的普通話、一遍一遍的和他們慢慢說。不過別著急，現(xiàn)在的語音識別系統(tǒng)還真就是個孩子，它正在以非?？斓乃俣冗M步著，相信不久以后，真正好用的語音識別系統(tǒng)就會出現(xiàn)在我們身邊。
