由Siri引发的语音技术市场探讨：三大种类及诸多挑战面面观

引言：苹果iPhone 4S的Siri功能推出，可谓是引起了人们对于智能语音技术的极大关注。其实，语音技术非常复杂，表象繁多，本刊通过采访国内科大讯飞、国笔等专家对目前的语音市场进行梳理和探讨。

一、不仅仅是语音，还是人工智能

尽管苹果“教主”乔布斯离开了我们，尽管iPhone 5没有入人们期望的那样出现，但是iPhone 4S的推出仍然成功吸引了苹果粉丝和业界的所有关注。根据美国电话电报公司（AT&T）透露，iPhone 4S在发布12小时之内就接到了20万份订单，而其中最引入注目的一大新功能，就是被称为Siri的语音助手功能。

10月4日上午，苹果全球产品副总裁Phil Schiller与负责iOS软件的副总裁Scott Forstall在新品发布会上，隆重介绍了Siri。

什么是Siri？

Forstall在现场进行了演示，他拿起iPhone 4S，对手机问道：“今天天气如何？”屏幕上立刻显示出今天的天气状况。他又接着问，我用带伞吗？Siri马上回答，今天会下雨。随后，他还用这款应用演示了搜索和设置闹钟提、预约等功能。

Siri跟普通的语音搜索不一样，它能明白你所说的，了解你的意思，甚至还能回答你的问题。那感觉就像真正拥有私人助理似的，而且是一位善解人意的私人助理。无论你用何种方式提问，它都能以人的思维去思考和反应，而不是以预设的程序答非所问。

Siri能为你做的不仅仅是提供答案，它还可以亲自替你完成一些基本的事情。比如，你可以吩咐Siri发短信给你父亲、提醒你预约牙医、帮你查找到达目的 地的路线，不用担心Siri不够聪明，因为它能够思考完成这些事情需要运行哪些应用程序，还能明白你要打电话的准确对象。

Siri还包括传闻中的“语音转文字”的功能，你只需按下麦克风，把你想发送的内容说出来，Siri就可以将你所说的内容转换成文字，并发送出去。除了发 送短信外，Siri还集成到一些第三方应用，这样，你只需动动嘴皮子，就能更新Facebook、发送Twitter消息或者即时聊天。

如果你认为Siri只是一个简单的声音控制软件，而你的Android手机上的语音助手或NOKIA语音提示也可做到这点，那你就错了。

我们不妨探究一下Siri的血统，这家最近刚被苹果收购的公司，直接发端于美国军方的CALO（Cognitive Assistant that Learns and Organizes）项目，这也是史上最大的人工智能项目，汇聚了全球人工智能方面的顶尖专家。

你如果看过好莱坞大导演斯皮尔伯格的电影《A I》，相信会对人工智能有一定了解，通过人工智能技术，机器人可以把“对话、自然语言理解、视觉、演说、机器学习、制定计划、理性思考、服务代表全部融合 到一起”。Siri的技术正源自人工智能，而不是简单的搜索和语音识别。它能够自主分析用户发出的口语指令，并给出确切的回应和指导，完全不需要用户预选 学习使用方法。

在国外某科技博客录制的一段视频中，评测人员对Siri提出了许多含义模糊或有歧义的问题。比如：“附近有没有什么浪漫的法国餐厅？”，比如：“天空为何 是蓝色的？”比如“钢琴上有多少个八度？”对人类而言，这些句子再平常不过了，但要让机器去理解这些变化多端的棘手词汇，尤其是“浪漫”这种形容词，那就 极端困难了，然而这些问题 Siri都可以回答。

你甚至还可以对Siri表白，对它说：“我爱你！”它的回答也很妙：“希望你不会对其它手机也这么说。”

该评测人员随后在博客中写到：“Android系统的Voice Actions也是一项伟大的技术，但说真的，它和Siri不是同一个层面的产品。Siri非常酷，与之相比Voice Actions虽说确实让我们省去了打字输入、触摸操作的工序，但操作太复杂，只有那些Geek会使用它。然而，妈妈们会选择Siri。”

二、语音技术的三大种类

除了人工智能，Siri的核心功能仍是基于语音识别的语音技术，其语音引擎来自Nuance，这家公司在全球手机输入法上处于垄断地位。

这一技术并非革 命性的变革，早在计算机发明之前，自动语音识别的设想就已经被提上了议事日程，早期的声码器可被视作语音识别及合成的雏形。而1920年代生产的“Radio Rex”玩具狗可能是最早的语音识别器，当这只狗的名字被呼唤的时候，它能够从底座上弹出来。

近二十年来，语音识别技术取得显著进步，开始逐渐从实验室走向市场。据了解，许多大公司如IBM、苹果、微软、Google、AT&T和NTT等 早在多年前都对语音识别系统的实用化研究投以巨资。目前主流的语音技术方案包括IBM公司推出的Via Voice和Dragon System公司的Naturally Speaking， ，Nuance公司的Nuance Voice Platform语音平台，Microsoft的Whisper，Sun的VoiceTone，以及科大讯飞的口讯等。