通過利用深度學(xué)習(xí)技術(shù)進(jìn)行自然語言的深度理解，一直是人們關(guān)注的焦點(diǎn)息队。聽音樂不需要自己查找屉胳，開燈不需要?jiǎng)邮郑照{(diào)能聽懂你的心聲……這些場景在很多影視作品中有所表現(xiàn)稍圾，也代表了很多人腦海中“智慧生活”的概念履剔。基于此钠彬，在人工智能發(fā)展的熱潮中轨来，自然語言處理成為了各大企業(yè)和科研機(jī)構(gòu)角逐的戰(zhàn)場。

    目前汹改，語音交互賽道已匯集了互聯(lián)網(wǎng)巨頭基霞、知名硬件企業(yè)、電商平臺僵禁、傳統(tǒng)家電廠商以及各類人工智能初創(chuàng)公司阎瘩，特別是近幾年以智能音箱為代表的語音交互產(chǎn)品在國內(nèi)外的火爆，極大地激發(fā)了語音交互技術(shù)的應(yīng)用和發(fā)展碰缔。

    多個(gè)領(lǐng)域均有應(yīng)用落地

    近段時(shí)間账劲，智能家居硬件中風(fēng)頭最盛的無疑是小米AI音箱。此品一經(jīng)推出金抡，便在市場上引起了極大反響瀑焦，被眾多媒體稱為“交互體驗(yàn)最好的音箱”、“智能音箱界的擔(dān)當(dāng)”梗肝、“目前‘最熱門’的智能硬件”……而在小編看來榛瓮，小米AI音箱優(yōu)秀，沒錯(cuò)巫击，但也沒到他們夸的這種程度禀晓。以小編周圍人的具體使用體驗(yàn)來看，其語音識別能力并沒有特別突出坝锰，與目前市場上主流同類產(chǎn)品區(qū)別不大粹懒。它最大的優(yōu)勢是在生態(tài)鏈方面，通過小米AI音箱什黑，可以控制小米臺燈崎淳、小米掃地機(jī)器人境猜、小米落地扇等配套家具設(shè)備伺罗。毫無疑問，這將使得人們距離智能生活更進(jìn)一步胸叠。

    在汽車及智能移動設(shè)備領(lǐng)域奇巍，語音交互功能已經(jīng)很普及遇托。在開車的時(shí)候，人們往往騰不出手含罪，也不應(yīng)該騰出手去操作手機(jī)笔广，這時(shí)候，車載語音就成了必需品惠服，也成了車聯(lián)網(wǎng)標(biāo)配灿西。在當(dāng)下這個(gè)智能互聯(lián)、無人駕駛被炒得火熱的時(shí)代断猩，新車不帶點(diǎn)語音識別的黑科技善婉，似乎都不好意思拿出手。福特的SYNC系統(tǒng)專為手機(jī)和數(shù)字媒體播放器配備的福特車載多媒體通信娛樂系統(tǒng)肪瘤，是目前車載系統(tǒng)中采用語音交互技術(shù)的成功的案例抄瓦，已經(jīng)廣泛應(yīng)用在福特多個(gè)系列汽車中√绽洌互聯(lián)網(wǎng)巨頭蘋果在其iPhone4S中推出智能語音助理應(yīng)用Siri后钙姊，Google公司也在其安卓智能手機(jī)操作系統(tǒng)中推出了GoogleNow智能語音搜索及問答服務(wù)，微軟公司也將語音技術(shù)應(yīng)用于WindowsPhone埂伦，三星也適時(shí)推出了Bixby煞额。

    在金融領(lǐng)域。語音識別技術(shù)也有了用武之地沾谜。近日立镶，中國建設(shè)銀行在上海黃浦區(qū)開設(shè)了一家自動化服務(wù)支行，由機(jī)器人為顧客服務(wù)类早。機(jī)器人裝配面部掃描識別軟件媚媒，可以解答顧客的大部分問題，解決普通高街銀行絕大部分的業(yè)務(wù)需求涩僻，同時(shí)還配備人工輔助服務(wù)以及其他專業(yè)服務(wù)缭召，以滿足個(gè)性化需求。顧客由機(jī)器人接待逆日，這些機(jī)器人通過語音識別功能嵌巷，與人交流，解答顧客的問題芭贬。人工服務(wù)能做到的事恋都，它們也能完成絕大部分，包括開戶坚呜、轉(zhuǎn)賬以及投資程伞。

    此外，在新零售領(lǐng)域闸虹，智能語音技術(shù)的應(yīng)用也在不斷擴(kuò)展暴既。比如2017年12月18日辽察，科大訊飛和紅星美凱龍發(fā)布戰(zhàn)略合作計(jì)劃，未來由科大訊飛研發(fā)的智能導(dǎo)購機(jī)器人“美美”將在全國紅星美凱龍門店上市磁饮。

    除了語音交互之外腰步，語音轉(zhuǎn)文字也是當(dāng)前語音識別技術(shù)中的一大熱點(diǎn)。早先减少，這個(gè)功能是新聞工作者的最愛堆鸦，用此功能整理采訪稿件、演講稿件能極大的提高工作效率填抬，如今哥纫，這個(gè)功能正在被普通人接受，老人痴奏、懶癌發(fā)作的年輕人都可以使用此功能來替代打字蛀骇。

    時(shí)至今日，資本的涌入读拆、政策的扶持擅憔、市場的一再擴(kuò)容，使得語音技術(shù)日益成熟檐晕，全球語音市場也迎來了一個(gè)應(yīng)用落地的黃金發(fā)展期暑诸。根據(jù)相關(guān)統(tǒng)計(jì)數(shù)據(jù)顯示，2016年智能語音產(chǎn)業(yè)規(guī)模直逼60億元大關(guān)辟灰，2017年將破百億个榕，同比增長69%左右。

    技術(shù)現(xiàn)狀并不能讓人滿意

    與語音識別在多個(gè)領(lǐng)域開枝散葉形成對比的是芥喇，語音識別技術(shù)的發(fā)展頗為緩慢西采，在這種形勢下，語音識別技術(shù)在實(shí)際應(yīng)用中碰到了許多問題继控。

    現(xiàn)在有很多企業(yè)說自己的語音識別率已經(jīng)達(dá)到了97%甚至是98%眠便，但在實(shí)際應(yīng)用中，效果并不能讓人滿意况饥。舉一個(gè)比較有信服力的例子其便，IBMT.JWatson研究院開發(fā)的中文語音識別系統(tǒng)連續(xù)三年在美國DARPA主辦的競賽中名列第一，該系統(tǒng)在識別央視《新聞聯(lián)播》節(jié)目時(shí)荸冒，其錯(cuò)誤率小于5%蘑杭，但在識別其它內(nèi)容時(shí)，差距非常大扬饰。在實(shí)際應(yīng)用中宛办，識別率主要受到以下幾個(gè)因素的影響：

    對于漢語語音識別，方言或口音會降低識別率。

    公共場所的強(qiáng)噪聲對識別效果影響甚大菱计，即使是在實(shí)驗(yàn)室環(huán)境下醋躏，敲擊鍵盤虹婿、移動麥克風(fēng)都會成為背景噪聲壤生。

    打斷問題，如果人在說話時(shí)有停頓朝刊，機(jī)器就不能很好的聯(lián)系上下文使語意通順耀里。

    此處，還有“口語”問題拾氓。它既涉及到自然語言理解冯挎，又與聲學(xué)有關(guān)。語音識別技術(shù)的最終目的是要讓用戶在“人機(jī)對話”時(shí)咙鞍，能夠像進(jìn)行“人與人對話”一樣自然房官，而一旦用戶以跟人交談的方式進(jìn)行語音輸入時(shí)，口語的語法不規(guī)范和語序不正常的特點(diǎn)會給語義的分析和理解帶來困難续滋。

    語音識別的技術(shù)迭代

    此前翰守，就有人指出口音、新詞匯等問題可以通過語音識別技術(shù)在實(shí)際應(yīng)用中的數(shù)據(jù)采集來實(shí)現(xiàn)疲酌。隨著數(shù)據(jù)量的增加蜡峰，這種問題都能得到解決。

    而另外諸如“打斷”等問題朗恳，便需要各種深度學(xué)習(xí)模型湿颅，如DNN、CNN渠余、BLSTM（雙向長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)）等斟策，以及新的算法，來逐步解決采散。

    技術(shù)使用起來往往需要一個(gè)迭代的過程的庸磅，需要先上線，然后在場景里收集數(shù)據(jù)去評估蚌斑，優(yōu)化模型奋完，改善用戶體驗(yàn)。經(jīng)過幾輪迭代慰适，才可以發(fā)揮最佳效果淫兑。其他AI技術(shù)也是相似的。今天很多AI技術(shù)的用戶很容易把技術(shù)的能力理想化饺斧，感覺一引入二谤，就應(yīng)該立竿見影的看到效果《炼冢看到實(shí)際效果不盡人意時(shí)继射，就會感覺有很大的落差佣盒，失望和放棄。誠然顽聂，智能語音技術(shù)已經(jīng)達(dá)到廣發(fā)應(yīng)用的水平肥惭，但在真正落地的時(shí)候，要充分認(rèn)識到可能遇到的困難紊搪，有持久戰(zhàn)的思想準(zhǔn)備蜜葱。

    總結(jié)

    可以預(yù)測在近五到十年內(nèi)，語音識別系統(tǒng)的應(yīng)用將更加廣泛耀石。各種各樣的語音識別系統(tǒng)產(chǎn)品將出現(xiàn)在市場上牵囤。人們也將調(diào)整自己的說話方式以適應(yīng)各種各樣的識別系統(tǒng)。在短期內(nèi)還不可能造出具有和人相比擬的語音識別系統(tǒng)滞伟，要建成這樣一個(gè)系統(tǒng)仍然是人類面臨的一個(gè)大的挑戰(zhàn)揭鳞，我們只能一步步朝著改進(jìn)語音識別系統(tǒng)的方向一步步地前進(jìn)。至于什么時(shí)候可以建立一個(gè)像人一樣完善的語音識別系統(tǒng)則是很難預(yù)測的梆奈。就像在60年代野崇，誰又能預(yù)測今天超大規(guī)模集成電路技術(shù)會對我們的社會產(chǎn)生這么大的影響。