微軟小娜的背后 智能語音人機(jī)交互

技術(shù)宅

微軟為Windows 10內(nèi)置了一款語音智能助手——Cortana（中文名：微軟小娜），同時(shí)在Windows 8.1 Phone也集成了該應(yīng)用。小娜能夠了解用戶的喜好和習(xí)慣，幫助用戶進(jìn)行日程安排、回答問題等，仿佛是一個(gè)實(shí)實(shí)在在的“人”，實(shí)際上“她”卻只是一個(gè)智能程序。現(xiàn)在“她”又連續(xù)解鎖了多項(xiàng)智能功能，比如“關(guān)注學(xué)術(shù)動(dòng)態(tài)”、“附近美食團(tuán)購”等等。那么小娜是怎么實(shí)現(xiàn)上述功能的？就讓我們來看看“她”的背后有什么樣的技術(shù)支撐。

解密小娜的前世今生

微軟小娜看上去非常神奇，其實(shí)“她”就是現(xiàn)在流行的智能語音人機(jī)交互技術(shù)的一種表現(xiàn)形式。說到語音交互，對(duì)于微軟來說，早在Windows Vista發(fā)布之初就內(nèi)置了“語音識(shí)別”組件，通過這個(gè)組件我們可以借助語音實(shí)現(xiàn)語音輸入、語音控制程序啟動(dòng)等交互功能，這功能現(xiàn)在通過小娜都可以輕松實(shí)現(xiàn)（圖1）。

不過隨著移動(dòng)設(shè)備的普及，以及Windows 10全平臺(tái)的需要，微軟將語音識(shí)別功能推廣到PC和移動(dòng)設(shè)備上，同時(shí)結(jié)合Bing搜索引擎，微軟使用功能更強(qiáng)大的小娜作為替代。當(dāng)然在移動(dòng)語音交互領(lǐng)域，各大IT巨頭也互不相讓，蘋果推出了Siri，谷歌則推出了Google Now，它們和小娜一樣都是智能語音人機(jī)交互技術(shù)的典型代表（圖2）。

為什么那么聰明——解密小娜背后的技術(shù)

使用過小娜的朋友都會(huì)被“她”的聰明勁折服，無論是語音搜索、輸入，或是語音命令，小娜都可以準(zhǔn)確無誤地執(zhí)行，而且經(jīng)過一段時(shí)間使用以后，小娜將越來越了解用戶的行為習(xí)慣，可以為大家做出更多智能的操作。那么小娜的這些本領(lǐng)是怎么掌握的？

首先要實(shí)現(xiàn)語音交互，小娜就必須實(shí)現(xiàn)對(duì)語音精準(zhǔn)識(shí)別和輸入。在語音輸入識(shí)別領(lǐng)域，這原來就是微軟亞洲研究院（現(xiàn)已更改為微軟亞洲互聯(lián)網(wǎng)工程院，小娜正是出自其手）的強(qiáng)項(xiàng)?，F(xiàn)在小娜支持多種語言，除了中文外還有英語、德語、西班牙語、法語、意大利語等。從支持語言方面就可以看到微軟在這方面的技術(shù)有多強(qiáng)大。當(dāng)然撇開其他外語不說，單就中文的支持而言，由于中國目前方言眾多，每個(gè)地方的人講普通話幾乎都會(huì)帶各自的口音，經(jīng)過實(shí)際測試可以看到，無論是南方口音，還是典型東北話，目前小娜幾乎都可以精準(zhǔn)識(shí)別，這是小娜語音智能交互的基礎(chǔ)，其背后功臣正是微軟語音識(shí)別技術(shù)（圖3）。

其次小娜具備和設(shè)備智能交互的功能，比如可以基于手機(jī)設(shè)備進(jìn)行一些操作，包括打電話、設(shè)置提醒等，同時(shí)結(jié)合微軟的必應(yīng)搜索，小娜可以實(shí)現(xiàn)智能問答和推送。啟動(dòng)小娜后，我們只要對(duì)著手機(jī)語音輸入一些關(guān)鍵詞，小娜正確識(shí)別后就會(huì)根據(jù)關(guān)鍵詞的不同迅速給出反饋。

比如你輸入的是“呼叫XXX”，小娜識(shí)別后會(huì)智能判斷出你想執(zhí)行的操作是撥打電話，接著小娜就會(huì)遍歷手機(jī)通訊錄，找出符合語音輸入的聯(lián)系人后開啟電話撥號(hào)，實(shí)現(xiàn)類似很多手機(jī)吹噓的語音撥號(hào)功能（圖4）。當(dāng)然這只是小娜一個(gè)簡單的功能，我們還可以輸入類似“訂購車票”、“啟動(dòng)計(jì)算器”、“明天買蛋糕”等自然語言，小娜就會(huì)根據(jù)你的關(guān)鍵詞，然后智能關(guān)聯(lián)到對(duì)應(yīng)的程序?yàn)槟惴?wù)（比如輸入買蛋糕，小娜則會(huì)自動(dòng)啟動(dòng)鬧鐘提醒服務(wù)為你買蛋糕增加語音提醒）。

如果你輸入的是和操作并不關(guān)聯(lián)的關(guān)鍵字，比如輸入“附近有什么餐館”，小娜則會(huì)結(jié)合必應(yīng)搜索功能，通過對(duì)你當(dāng)前位置的定位，然后將附近餐館的位置推送給你（圖5）。

當(dāng)然除了這些智能交互操作，如果你開放個(gè)人數(shù)據(jù)（可以在小娜中進(jìn)行設(shè)置），完全信任她，小娜就會(huì)根據(jù)你開放的權(quán)限提供更多智能的服務(wù)。比如你經(jīng)常在微信中訂閱某明星信息，那么小娜就會(huì)利用必應(yīng)強(qiáng)大的搜索功能實(shí)時(shí)將該明星的信息推送給你，讓你獲得更多個(gè)性化的服務(wù)（圖6）。

當(dāng)然，小娜這些看上去很神奇的功能，背后實(shí)際上依靠的是微軟的云計(jì)算、云服務(wù)和搜索引擎的大數(shù)據(jù)功能實(shí)現(xiàn)的。比如搜索引擎的大數(shù)據(jù)功能可以通過分析用戶輸入“北京”和“去北京”這兩個(gè)關(guān)鍵字的不同，然后為用戶呈現(xiàn)不同的反饋結(jié)果（如前者是進(jìn)行北京相關(guān)知識(shí)的查詢，后者則是反饋去北京的交通工具如訂購火車、機(jī)票）。

生活可以更美好——小娜們給我們帶來的便利

從上面的內(nèi)容可以看到小娜的強(qiáng)大功能，一方面我們只要借助平時(shí)的自然語言輸入即可獲得很多便捷服務(wù)，比如在開車時(shí)撥打電話，我們只要呼叫聯(lián)系人的名字即可撥打電話，這種語音操作可以解放我們的雙手。另一方面，小娜基于大數(shù)據(jù)技術(shù)可以為我們提供更多個(gè)性化服務(wù)，比如對(duì)于現(xiàn)在的股民，開放我們的個(gè)人數(shù)據(jù)給小娜讀取后，小娜就會(huì)實(shí)時(shí)為我們推送股市信息，給我們獲取需要的資訊帶來更多的便利。

不過，對(duì)于語音助手未來的演變，我們還需要有一段適應(yīng)期，語音識(shí)別和交互技術(shù)仍然還有很大提升空間。語音并不會(huì)完全代替鼠標(biāo)、觸摸屏和手勢，這些交互技術(shù)各有所長，未來會(huì)互相結(jié)合使用。隨著大數(shù)據(jù)、云計(jì)算技術(shù)的發(fā)展，類似小娜、Siri這種語音助手未來將會(huì)無處不在，必然會(huì)給我們的生活帶來更多的便利。