聽的高級體驗

張曉潔

什么是聽覺的高級體驗？計算機不光要知道人們說了些什么，還要通過了解語音以外的表情、肢體語言、說話的語氣等“潛臺詞”，知道人們想要表達些什么，并與人類有感情的互動。

不管是通電話，聽音樂還是用語音搜索餐廳、電影院等生活信息，與其他感官相比，聽覺與移動設備的配合都更天然。

從剛性需求來說，移動設備的特征讓聲音是最容易實現且穩定可靠的選擇。比如用耳朵聽，終端可以小巧方便攜帶，而移動過程中駕駛和走路的場景，聽覺最容易兼顧協調其他感官，另外，語音作為人類傳遞信息最高效的工具，即使在傳輸中被打斷，也可以重新啟動繼續上一次的體驗，更重要的是，聲音具有個性可識別，這對于移動設備的加密的迅速解鎖尤其重要。

從心理需求上看，聲音作為人類最自然的本能可以傳遞情感，無論語言還是音樂，飽含情感的聲音都能給予聽者異樣的感受。而且，人們天然對于好的聲音具有追求和炫耀的心理，容易形成粉絲和競爭性。

因此，聽覺是人機交互開發最成熟的感官，科技公司對語音的探索可以追溯到上世紀90年代末IBM公司發布的ViaVoice 98 連續語音識別產品，比爾·蓋茨早在2006年就提出過未來將在操作系統中實現自然語音的人機交互，微軟還收購了TeLLMEe，平臺每年執行110億次以上語音識別的請求。同樣，蘋果公司在人機交互上最出名的應用也是語音控制產品Siri，從語音識別軟件拓展開去，腰搖身變成用戶的私人生活助手，幫助用戶通過手機讀短信、詢問天氣、語音設置鬧鐘等，并搜索生活和地理信息，一度被認為是蘋果在搜索上與谷歌競爭的殺手锏，但是也被更多人評論為漏洞百出，供人“調戲”的大玩具。

無論如何，基于聲音的產品已經成為去年以來最火熱的產品，這些應用中，語音可以是主菜也可能是調料，像騰訊微信、百度語音搜索、YY語音、唱吧、啪啪等等都借助聲音的特色一躍成為國內移動產品中的明星。而在從事語音基礎研究的科大訊飛向合作伙伴開放的語音云上，已經有不少開發者正在投身聲音的應用，都有機會成為移動世界里的下一個幸運兒。

2013年，將是聲音產品真正獲得認可之年。如同科大訊飛副總裁江濤對市場的預期，“隨著去年新一代iPhone正式發布，Google 開始推動語音云技術；加上百度、騰訊等互聯網廠商推出相關產品，用戶教育過程會很快。到今年下半年，哪個手機沒有語音交互的功能，就會很奇怪了”。

另一方面，語音識別技術也在加速成熟，百度多媒體事業部副總監余凱博士就表示，“大數據時代和更強大的計算能力，都使得數據更容易搜集，模型的訓練速度大幅提高，過去一年里，語音搜索識別率提高了30%-50%，比過去10年提高的速度還快。”他補充說，“移動時代的需求也和從前大不一樣了。”可以預見的是，當語音技術和市場逐漸成熟后，Siri等應用作為語音入口的能量，必將催生新的產業群鏈。

未來，成熟的語音技術將使得機器的表達具備人類的情感。就像劍橋大學計算機實驗室的教授彼得·羅賓遜所希望的那樣，計算機不光要知道人們說了些什么，還要通過了解語音以外的表情、肢體語言、說話的語氣等“潛臺詞”，知道人們想要表達些什么，并與人類有感情的互動，這才是聽覺的高級體驗。