智能语音产品的未来会是如何，在产品中怎样正确利用智能语音?

　　问：你觉得智能语音未来会对交互有着怎样的影响，会不会取代 UI 交互吗?

　　答：智能语音是未来的趋势，我们现在已经开始使用语音交互。

　　在一次机器人交流会上，我向一位来自优必选的演讲人提了上面的问题，但我并没有得到想要的答案。智能语音的未来会是什么样子，怎么用智能语音做出好的产品呢?我一直在不断地尝试各种产品，不断地思考。

　　试验

　　我找到所有涉及智能语音的相关产品，都挨个体验了遍。智能手表，智能音箱，智能机器人。还有手机上的各种助手，像苹果的Siri，Google的 Allo，微软的 Cortanna，助理来也。这些产品有硬件的，也有软件的。终端有 PC，手机，手表。系统平台又有 mac，android，iOS等等。

　　第一次使用上面的产品并不自然。就像第一次使用触摸屏手机，没有键盘，很不适应，特别是打字。缺少按下去的实体感觉，会让人觉得触摸是个很生硬的操作。还好，手机提供按下震动反馈功能。慢慢适用后，不需要震动也可以的。而相对触摸操作，智能语音是一种更前沿的交互方式。

　　触摸操作缩短了按键操作交互路径。在手机没有触摸功能之前，想要点击某个按键时，得先把焦点移动到目标位置。有了触摸功能，一个手指头戳过去就行了。那智能语音相较于触摸操作会不会也有同样的意义呢?触摸操作是基于 UI 的，将屏幕作为载体。智能语音则不需要界面，没有边界。

　　换句话说，智能语音突破 UI 交互的层级，直达目标功能。好比说，以前你去政府机关办个证件，你得按流程路径走，先去 A 部门盖个章，再拿这个章去 B 部门盖个章，等你集完所有章，就可能兑换最后的卡片了。每个部门都得跑，跑错了就办理不下来，不熟悉的人跑下来晕头转向的。现在呢，下个 App，按要求上传几张电子证件，等个几天，证件就办好了。嗯，还包邮。中间，你不用跑一个部门，也不需要知道先跑哪个部门，再跑哪个部门，一个操作就搞定了。语音就类似这样，以前要几个界面点击，现在就是一句话的事儿。

　　体验

　　上面是我对智能语音意义的理解。但目前真正在应用阶段，并不理想。这里面有诸多原因，我认为主要是两方面的限制：

　　语音识别可靠性。16 年 11 月份的时候，科大讯飞开了个发布会，宣称语音识别的准确率达到 97%。而同一时间，百度，搜狗也开了发布会，准确率也达到 97%。这个准确率对于商用的意义有多大呢?我做的有个机器人的项目，机器人可以跟用户聊天对话。机器人语音识别的技术就是采用科大讯飞的。我们在公司测试的时候，搞个简单的一问一答对话都没问题。你问机器人，今天天气怎么样?结果很快就能出来。当我们拿到房地产售楼处，效果不理想，并且跟预期的差距是没有预料到的。

　　在公司测试的时候，会有杂音，整理环境不算安静，时而有人说话。当时，觉得这种测试环境不算理想，虽然偶尔有错误但也能接受。售楼处环境不一样，因为营销需要，一直有电视播放营销视频。就算没有人说话时，机器人也会识别这些声音。这时候要是有人跟机器人对话，机器人根本无法准备识别说话的内容。人多的时候，售楼大厅里时刻都有人说话，一唤醒机器人，机器人就在那里呜哩哇啦了，说一些莫名奇妙的话。因为它识别出的内容都是乱七八糟的。

　　当然，你也可能说这是场景的原因。在家时或者车里就没这么糟糕了，这是应用层面的问题。如果语音识别不能在技术上解决可靠性的根本问题，那它的应用领域和范围也大大受限制了。这里面需要解决的问题也很多，多个人同时跟机器人说话时，要区分好不同人说的话。张三说了哪些话，李四说了哪些话?如果有背景噪音，甚至是人说话的噪音，都要能够去掉。

　　语义理解。如果只是单纯地解决语音识别可靠性问题，也就是听得清的问题，并不能称得上智能语音，智能语音还要解决听得懂的问题。只有听得清，听得懂，才能知道要做什么事情。

　　你对机器说，我要吃苹果。苹果是什么，它不知道。所以你得告诉它，让它学习，有明白苹果的能力。苹果可以是一种水果，可以是一部电影，还可以是一个品牌。那苹果到底是什么呢?如果你告诉机器，只有代表水果的那个苹果才能被吃。那机器就能准确理解你说话的意思，知道你的意图了。做到这一点，就能让机器明白听得懂你说话的内容。