傳統(tǒng)語(yǔ)音交互與智能語(yǔ)音交互對(duì)智能終端的影響

1、傳統(tǒng)語(yǔ)音交互技術(shù)是將語(yǔ)音識(shí)別和語(yǔ)音合成能力以嵌入式的方式集成在智 能終端中，為終端提供語(yǔ)音撥號(hào)，短信朗讀等語(yǔ)音交互應(yīng)用。雖然這種傳統(tǒng)的語(yǔ) 音交互技術(shù)只能實(shí)現(xiàn)有限的交互應(yīng)用，但仍然對(duì)終端特別是手機(jī)終端產(chǎn)生了長(zhǎng)遠(yuǎn) 深刻的影響。為用戶(hù)帶來(lái)了新穎的交互體驗(yàn)。語(yǔ)音交互技術(shù)將人的耳朵和嘴巴也加入到了 與終端交互的行列中來(lái)。以前人們只能使用手指和眼睛與手機(jī)終端進(jìn)行交互，如 看短信、發(fā)短信、撥電話(huà)號(hào)碼、打開(kāi)各種應(yīng)用菜單等操作都是用眼睛看或用手指 按鍵或觸摸。有了語(yǔ)音交互技術(shù)以后，用戶(hù)可以耳朵聽(tīng)短信（語(yǔ)音合成），用嘴 巴說(shuō)出命令的方式來(lái)打電話(huà)和打開(kāi)應(yīng)用菜單，這些都給終端用戶(hù)帶來(lái)了全新的體 驗(yàn)，同時(shí)也掀起了一輪語(yǔ)

2、音熱潮。像早期的語(yǔ)音王手機(jī)，當(dāng)前智能機(jī)中多種多樣 的語(yǔ)音命令應(yīng)用等。為用戶(hù)帶來(lái)了較方便的交互過(guò)程。傳統(tǒng)的語(yǔ)音交互在某種程度上講確實(shí)為用 戶(hù)的交互過(guò)程帶來(lái)了方便。如打電話(huà)的交互過(guò)程，使用鍵盤(pán)的話(huà)，需要先按鍵進(jìn) 入電話(huà)簿- 查找聯(lián)系人- 按鍵呼叫，而這個(gè)過(guò)程中“查找聯(lián)系人”需要耗費(fèi) 用戶(hù)大量的時(shí)間；而使用語(yǔ)音交互的話(huà)，用戶(hù)只需按快捷鍵啟動(dòng)語(yǔ)音- 說(shuō)出呼 叫聯(lián)系人的語(yǔ)音命令- 按鍵呼叫即可完成，雖然也是三個(gè)步驟，但卻省去了手 工查找聯(lián)系人的煩惱和耗費(fèi)的時(shí)間。但傳統(tǒng)的語(yǔ)音技術(shù)為終端帶來(lái)新穎方便的交互方式的同時(shí)，其本身也存在著 各種各樣的制約。如資源占用高，合成效果差，識(shí)別率低，用戶(hù)體驗(yàn)不好等。這 些都

3、制約著語(yǔ)音交互技術(shù)的發(fā)展，也是傳統(tǒng)的語(yǔ)音交互技術(shù)不能為終端帶來(lái)新的 交互革命的原因。首先來(lái)看資源占用，語(yǔ)音識(shí)別和語(yǔ)音合成技術(shù)本身就是非常復(fù)雜的技術(shù)，都 需要大量的數(shù)據(jù)基礎(chǔ)做支撐，如語(yǔ)音合成中的發(fā)音人音庫(kù)，一個(gè)發(fā)音效果好的音 庫(kù)需要4MB左右資源空間，而資源占用小的音庫(kù)其語(yǔ)音合成的效果就會(huì)很差。 再如在語(yǔ)音識(shí)別中需要占用大量的內(nèi)存和cpu資源來(lái)進(jìn)行計(jì)算。功能ROMRAM語(yǔ)音合成6MB，效果好的音庫(kù) 需要更多的資源4MB語(yǔ)音命令10MB10MB,命令詞的增加 需要更多的內(nèi)存表1：傳統(tǒng)手機(jī)終端語(yǔ)音功能資源占用情況再來(lái)看識(shí)別率方面，識(shí)別率通常受兩項(xiàng)指標(biāo)影響，其一是系統(tǒng)資源，另一項(xiàng) 是指令條數(shù)。在系統(tǒng)資

4、源一定的情況下，指令條數(shù)越多，則識(shí)別率就會(huì)下降。如 早期手機(jī)終端命令條數(shù)在千條以下，需要的系統(tǒng)資源較少，而在地圖導(dǎo)航中，POI 的搜索條目會(huì)顯著增多，如城市POI條目在十萬(wàn)級(jí)別，而全國(guó)POI條目則在百萬(wàn) 級(jí)別甚至千萬(wàn)級(jí)別，這對(duì)系統(tǒng)的資源要求就會(huì)顯著提高。而要進(jìn)行無(wú)限制的自然 語(yǔ)言聽(tīng)寫(xiě)，則在資源方面的要求就會(huì)更高?？梢詮南旅孢@張圖來(lái)了解識(shí)別率和系 統(tǒng)資源以及命令條目之間的關(guān)系。圖1:識(shí)別率和系統(tǒng)資源以及指令條目的關(guān)系由于傳統(tǒng)的語(yǔ)音識(shí)別技術(shù)都是直接將語(yǔ)音識(shí)別能力以嵌入式的方式集成到 終端中，基于資源占用，算法復(fù)雜度等多方面的考慮，語(yǔ)音識(shí)別的能力都不是最 優(yōu)的，也不具備學(xué)習(xí)能力，因此在識(shí)別率上很難讓

5、人滿(mǎn)意。而在用戶(hù)體驗(yàn)方面仍然沒(méi)能帶來(lái)革命性的提升。語(yǔ)音命令中固定的語(yǔ)法格式：如“打開(kāi)記事本V “打電話(huà)給XX”、“打開(kāi) 鬧鐘”等有限的語(yǔ)音命令條數(shù)：由于命令語(yǔ)法固定，用戶(hù)需要記住命令才可使用， 命令條數(shù)越多，用戶(hù)的記憶負(fù)擔(dān)就越大，太多就會(huì)導(dǎo)致不可用。較差的語(yǔ)音合成效果：基于資源占用的考慮，合成音庫(kù)資源一般較小， 合成效果比較差。操作方式任然比較復(fù)雜：許多命令僅僅是打開(kāi)某些應(yīng)用，具體設(shè)置任然 需要用戶(hù)去操作，如“打開(kāi)鬧鐘”后，用戶(hù)任然需要設(shè)置時(shí)間，周期等。 只是在有限的程度上節(jié)省了用戶(hù)的操作時(shí)間。隨著語(yǔ)音聽(tīng)寫(xiě)技術(shù)（將聲音轉(zhuǎn)換為文字的技術(shù)）的逐漸成熟，讓智能語(yǔ)音交 互的實(shí)現(xiàn)成為可能。如Iphone

6、的Siri。智能語(yǔ)音交互是指用戶(hù)以自然語(yǔ)言的方式 對(duì)終端機(jī)器下達(dá)指令，終端機(jī)器根據(jù)用戶(hù)語(yǔ)音并聯(lián)系上下文對(duì)用戶(hù)意圖進(jìn)行理解， 并按照用戶(hù)意圖執(zhí)行命令的過(guò)程。如用戶(hù)說(shuō)：“兩個(gè)小時(shí)后提醒我”，則終端就會(huì) 自動(dòng)為用戶(hù)設(shè)置一個(gè)鬧鐘，并在兩個(gè)小時(shí)后提示用戶(hù)。讓我來(lái)看一下傳統(tǒng)語(yǔ)言交 互與智能語(yǔ)音交互的比較，表2所示。功能傳統(tǒng)語(yǔ)言交互智能語(yǔ)音交互說(shuō)明鬧鐘打開(kāi)鬧鐘或設(shè)置鬧鐘每天早上7點(diǎn)提醒我；明天早上6點(diǎn)叫醒我等等通過(guò)自然的語(yǔ)言表達(dá)，即 可向終端下達(dá)設(shè)置鬧鐘 的命令打電話(huà)打電話(huà)給某某給某某打個(gè)電話(huà)；撥打小王的座機(jī)號(hào)等等理解用戶(hù)意圖，智能區(qū)分 不同手機(jī)號(hào)發(fā)短信發(fā)短信給某某給小王發(fā)個(gè)短信我臨時(shí)有事 不過(guò)去開(kāi)會(huì)了；發(fā)

7、短信告訴媽媽晚上加班， 不回家吃飯了等聯(lián)系人短信內(nèi)容同時(shí)說(shuō) 出，短信變得更方便快捷查地圖打開(kāi)導(dǎo)航、打開(kāi)地圖、說(shuō)地名到科大訊飛怎么走；我想到沃爾瑪去等省去繁瑣的命令過(guò)程，只 需說(shuō)出你的目的地，自動(dòng) 的為你打開(kāi)地圖設(shè)置導(dǎo) 航發(fā)微博發(fā)條微博我今天心情很好； 黃山路今天又堵車(chē)了，會(huì)不 會(huì)遲到呢？分享到微博解放你的手指其他單一的命令形式， 固定的語(yǔ)法格式， 功能越多，用戶(hù)需 要記住的命令詞就 越多。附近有咖啡店嗎？ ；魚(yú)香肉絲怎么做？ ；明天的天氣怎么樣？；明天會(huì)下雨嗎？理解用戶(hù)意圖，給出用戶(hù) 想要的結(jié)果表2：傳統(tǒng)語(yǔ)言交互與智能語(yǔ)音交互的比較通過(guò)這張表，我們可以看出，智能語(yǔ)音交互較傳統(tǒng)的語(yǔ)音交互有著革命性的 變化，真正的將人們從復(fù)雜的操作中解放出來(lái)，而智能的查詢(xún)搜索也為用戶(hù)提供 的極大的便捷。智能語(yǔ)音交互涉及兩項(xiàng)關(guān)鍵技術(shù)和一項(xiàng)輔助技術(shù)，關(guān)鍵技術(shù)之一就是語(yǔ)音聽(tīng) 寫(xiě)技術(shù)，另外一項(xiàng)就是自然語(yǔ)言理解技術(shù)。語(yǔ)音聽(tīng)寫(xiě)是一項(xiàng)異常復(fù)雜而龐大的技 術(shù)，需要大量的計(jì)算和龐大的數(shù)據(jù)庫(kù)支撐才能達(dá)到可實(shí)用的程度。而中文語(yǔ)音聽(tīng) 寫(xiě)更是如此，動(dòng)輒數(shù)十GB的語(yǔ)料數(shù)據(jù)庫(kù)、以GB為單位的內(nèi)存使用量和龐大的 cup運(yùn)算量，是終端（特別是手機(jī)終端）所不能承受的。因此使用云技術(shù)是惟一 出路。利用云端服務(wù)器強(qiáng)大的運(yùn)算能力和大量的數(shù)據(jù)基礎(chǔ)，對(duì)終