車載語音圍剿Siri ？

劉曉芳

網上流行一段視頻，一位來自德國柏林的牛人在他的車里安裝了26個不同廠家的語音導航儀，掛滿了整個擋風玻璃前面。每當駛入一個新的路口時，26個導航儀播放道路信息的聲音此起彼伏，場面壯觀。車主似乎很享受這種狀態，但是，看視頻的人們卻開始抓狂。

有人猜測這位牛人可能是位超級路癡，隨時隨刻害怕找不著北。可如果真是路癡，26個語音導航儀同時播報，他怎能分辨孰對孰錯。語音導航才是問題所在。隨著人類語音識別技術取得重大進展，人工智能的應用不僅可以幫助“識別聲音”，還會根據上下文、人類歷史以及能夠理解一般人類語言地去分析，并在多數情況下領會你的意思。雖然如此，語義的識別，自然的會話，仍是目前為止語音導航尚未真正克服的一大硬傷。

人機交互經歷了鍵盤、鼠標、觸控感應三個技術發展階段，三者均已成為成熟的應用，而語音交互卻似乎仍然讓我們無可適從，語音導航到底要把我們帶向哪里？

人工智能不智能

陸凌濤的辦公桌上擺放著各式各樣的手機，都是各個品牌最新款的，有的時候，鈴聲響起，他需翻弄一陣才能找出是哪個手機在響，如果幾個電話一起響，就更熱鬧了，僅從表面來看，與那位德國人懸掛26個導航儀的場景甚至不相上下。

陸凌濤所在的車音網是做語音導航行業的，語音技術的復雜以及行業環境的龐雜多變，使得他必須習慣同時應付和處理多個任務和多種事態。他的煙癮極大，后來他開始在辦公室里熏藏香，經常在煙霧繚繞中，他一個人會長時間地埋頭把玩桌上的這些手機，反復地調出其中的各式語音應用，仔細地對比和分析。

是“白天，鵝在洗澡”，還是“白天鵝在洗澡”，這樣的問題，在現實環境中，人們只需要根據上下語境，就能輕易分辨，然而，機器卻沒有這樣的能力。這也是絕大多數語音導航所必須要面臨的一道攻堅。

“今天北京的天氣如何？”，陸凌濤說，這樣的問題，當前市面上大部分語音導航系統都能準確回答，但是，如果再追問一句，“那上海呢？”，其中的絕大多數就會立即“傻眼”。因為國內所有的語音識別技術在做機器訓練的時候，每句話一定要符合特定的語法，最好要有主謂賓，機器只有在捕捉到明確的“興趣點”時，才能激活系統，然后按預設的程序進入后臺語料庫的云端搜索。

“那上海呢？”，在機器現有的“思維”里，屬于沒頭沒腦的一句話，要依靠上下文才能識別具體語義，這根本不在它的“認知”范圍之內。可是這樣的對話，在人與人之間再自然不過。

目前，在全球商用的語音識別產品中，蘋果的Siri被認為將來有可能最早觸摸到語音人工智能圣杯，你說的話，可以不包括會用到的應用程序名稱，甚至可以和想表達的意思在字面上毫不相干，Siri仍然能夠理解。如果是Siri遇到“步行范圍內有沒有什么頂尖的意大利餐館，那墨西哥的呢？”，這種情況下Siri會將問題連同上文的“頂尖的餐館”和“步行范圍”一道進行理解。

事實上，在Siri推出中文版之前，福特汽車更早就已經在其SYNC導航系統中應用了中文語音識別技術，巧合的是，Siri與SYNC的供應商都來自于目前全球最大的語音技術公司Nuance。可以說，“在Siri之前，就已經有了SYNC”，提到這點，福特歐洲、亞太及非洲區連接總監潘浦力難掩他的興奮。

與此同時，潘浦力一點也不避談中文語音識別所遇到的問題。中文語言環境相對其他語種更為復雜，首先幾十種方言就是一大難題。近幾年來，福特一直在跟Nuance密切合作，由福特在中國各個省市收錄盡可能多的方言，編輯和匯集成一個語庫，同時把這些信息傳送給Nuance，后者則負責對機器進行語音訓練。這項工作效果卓著，目前最新的一代SYNC系統已經可以識別帶國內多個地區口音的普通話，還可識別近150條語音指令，進行關鍵詞語音搜索等。不過，中文語音導航真正的難點并不在方言識別，而在于中文里“一字多音”，“一字多義”及語法復雜，導致語詞和語境的變化更是層出不窮。

一些“果粉”普遍表示，Siri中文語句斷句比較生澀，對中文的多音字不能區分，另外很多語句沒有對接到英文版中的知識問答系統。 “Siri的語義判斷就像本科生自己寫的if else一樣”一位網友在試用過后這樣下的結語。

圍剿Siri

其實所有的軟件應用最終都是由一組組命令行構成的，但是，沒有一種應用像語音交互那么復雜，尤其是當它與汽車結合到一起，要考慮進來的因素就更多。難怪很多用戶在使用了現有的語音導航產品后表示不感冒，甚至抓狂、火大。

雖然中文版Siri本身還存在各種各樣的問題，Siri在中文語言環境中表現得也不是那么“犀利”，但是，很多企業甚至還在它尚未面世之時，就已經把它視作第一大競爭對手。

作為國內語音技術中的佼佼者，科大訊飛認為本土作戰，可以直接逆轉語言優勢。就在蘋果推出Siri中文版之前，科大訊飛巧妙抓住時機搶先三個月推出了“訊飛語點”，這被認為是“中國版Siri”對 Siri形成的一次“點射”。隨后科大訊飛副總裁江濤在微博上發聲，“我們知道Siri的語音技術是誰提供的，目前訊飛在與這家公司的中文產品競爭中，基本上占有顯著優勢。”

科大訊飛聲稱已經采集大量的方言數據，不僅可以將帶方言的普通話的一次性識別正確率提高到90%左右，而且可以支持四川話、河南話、湖南話、東北話等幾乎全部的主流方言。同時，也在致力于更開放性語音對話的研發，使其更接近自然語言的表述方式，比如，“上海冷不冷”，“幫我查一查西直門附近有沒有好的火鍋店”等等。科大訊飛應用于汽車領域最有名的就是榮威的InkarNet語音導航系統。

對于Siri與科大訊飛的強勢，車音網表現得要“默默無聞”一些。不過，身為車音網副總經理的陸凌濤卻不這么看，“車音網也可以識別多種方言”，對帶方言的普通話識別率與科大訊飛不相上下，“車音網還整合了超過1600萬個興趣點信息”，只要會話里包含了某個興趣點，不管如何表達，機器都能識別，這也是車音網下一步正在重點推進的語音搜索研發方向。

陸凌濤手中還有一張對陣Siri的關鍵王牌，就是在與運營商及各大車企呼叫中心的云端語控市場，車音網占有絕對優勢，他甚至放言，要很快搶占該市場80%以上的占有率。此前，蘋果曾宣布了未來會展開合作的9大國際車企，其中有多家承諾將在未來12個月內整合Eyes Free Siri功能。陸凌濤認為，至少從目前來看，這根本構不成威脅，因為蘋果與車企在國外的合作模式“根本不可能照搬進國內”，因為這是兩個不同的環境，同時，衍生的產業鏈生態環境也大為不同。

而汽車企業這邊也確實表現的態度曖昧，主要因為大部分車企都已經在自有語音導航領域投入了相當大的開發費用，比如，寶馬的相關前期投入巨大，寶馬的“語音控制系統”最多可識別500個預設詞條，可操控電話、空調、導航和音響系統等功能。免提麥克風既可收音，還可以過濾掉背景噪音，但是，這項技術只在寶馬少數幾款高端車上才能見到。另外，從今年開始，寶馬在中國真正大范圍推廣的是其人工呼叫中心的服務，這又是一筆高投入，可見在有限的預期內，至少在中國還看不到寶馬要將SIR整合進來的跡象。

即使沒有投入，人工語音呼叫中心臺的維護費用也十分高昂，選擇與蘋果合作，就意味著很多方面的工作要“從頭再來”。通用的安吉星車載系統與豐田的G-BOOK智能副駕系統都可以進行語音導航，但是，二者都是通過后臺的人工呼叫中心來完成。人工服務更能靈活識別用戶的語言，但服務成本高昂。也正是看到這點，最近兩家企業呼叫中心都開始計劃在后臺引入云端的語控導航技術。不過，據內部消息，他們的合作伙伴均為中國企業。

目前，只有福特主要還是以語音導航為主，但是，福特的殺手锏在于，服務免費，升級方便，可擴展性強，而且它本身所用的技術，根本不需要與蘋果合作。

語音技術企業的本土路線，車企的實用主義，使得在中國整個汽車產業鏈對Siri形成一個隱形的包圍圈，Siri要突圍只能另辟蹊徑了。

“語音超市”

與此同時，語音導航領域的競爭，其實也已經變成了產業鏈的競爭，在這個的鏈條當中，語音技術、語義搜索、資源庫、運營平臺、應用開發者平臺和消費者的粘性，一個都不能少。

Siri的終極優勢有二，前端的語音識別以及語音合成技術是關鍵，而重點更在后臺，它集成了網頁搜索、知識計算、資料庫、問答推薦等各種技術和應用。但是，要形成后臺的聚合力，有一個必須的前提條件，就是它所搜索的應用網頁和社會化問答社區都能提供開放的API接口。在國外大部分網站接口是開放的，可在中國開放的很少，這就意味著蘋果Siri要想在國內有大發展，必須一家一家網站去談，一個一個應用商去打通關系，否則，Siri在中國就是一支折翼的鷹。

谷歌、微軟、IBM等公司也都有不俗的語音技術實力，卻始終在中國沒有取得突破性進展，他們欠缺正是一個可以集合各種應用與中國消費者產生廣泛聯系的運營平臺。

陸凌濤雖然進入語音導航行業時間不長，但是，他日常大部分時間都花在與不同企業談合作商，深知這其中的平淡曲折。他做了一個形象的比喻，“國外的網站好比日本的地鐵，日本所有的地鐵下面都是通的，每一個站點都可以通向地下商場，而商場與商場之間也是互通的，四通八達，下雨的時候，可以根本不用走地上。”而在中國，網站與網站之間都是被堵著的。從這里到那里，經常要繞過許多彎道。

比如，你要想知道某個地方怎么走，最好去問高德、凱立德等地圖服務提供商，而且兩家企業都已經在開發自己的能結合LBS位置點查詢的聲控導航；而如果要聽在線音樂，就需要去豆瓣和百度談。也就是說，每一項具體應用都要去找一個垂直領域的服務提供商，而且最好能把每個垂直領域的幾家行業老大同時搞定，否則，就有可能讓你的消費者能聽到這首歌卻聽不到那首歌，或者能找到這個地方，卻找不到那個地方。

而在這些方面，無論是科大訊飛還是車音網都有優勢。車音網目前國內的合作伙伴數量正處在一個大幅攀升的時候，科大訊飛則更不用說，據其公開的數據稱，目前已經有將近3000家合作伙伴，使用“語音云”的最終消費者已經超過了3300萬。

對于這種情況，雖然陸凌濤也認為有很多不合理的地方，但是，這就是中國語音導航市場的現狀，“國內產業鏈正在以自己的方式聚合和演變，它是一種新的利益鏈關系”，而Siri的加入會加劇行業的演變。

現在，語音系統實際還是作為一個獨立APP存在的，多數的語音系統頂多只能實現進入某項功能，不能實現很多細微的操作，很難把語音和背后的整個系統高度整合在一起。未來真正的語音平臺就是一個操作界面，現在所有的獨立APP應用都將向后退到后臺的云端，這才是真正的“語音超市”概念。

從鍵盤到鼠標，再從鼠標到觸控技術，人機交互技術的發展，讓我們不斷獲得新的應用平臺。誰能盡可能多地接入與移動互聯網相關的開發商和服務商，誰就能打造一個消費者的“語音超市”，而在語音超市的背后，實際上是未來“語音操作系統”或“語音門戶”之爭。語音導航的歸宿或許也就在此處。