行业动态

语音识别SDK是真正智能生活的基础,也是颠覆传统的基石

来源:bestsdk 阅读人数:(1597) 评论:(0)
发布时间:01月09日 12:07

英国科幻小说家 Arthur C. Clarke 曾经说过,任何足够高级的技术都近乎魔术。迅速崛起的语音计算技术证明了他的观点。使用该技术如同下咒语一样:只需要对着空气说几句话,附近的设备就可以满足愿望。

亚马逊Echo是一台语音圆柱形计算机,我们可以将它放在桌面上,呼叫“Alexa”就可以唤醒,它可以播放音乐,讲笑话,回答旅行问题,控制智能家电;就在圣诞之前,4%的美国家庭已经拥有Echo。

在智能手机市场,语音助手迅速发展。每周苹果Siri处理200亿个命令,在美国来自Android手机的Google语音搜索已经占了20%的份额。用语音发邮件、写信息已经相当可靠。既然能够说,为什么还要输入文字呢?

这是一次巨大的转变。语音识别SDK有能力改变计算产业,它可以用更自然的方式互动。Windows、图标、菜单、触摸屏,与复杂的键盘相比它们无疑都是非常直观的交互方式。

如果可以与计算机对话,就可以完全废弃“用户界面”。手机不再只是没有线的电话,汽车不再只是没有马的车厢,同样的,没有屏幕和键盘的计算机可以变得更实用,更强大,更流行。

语音不会完全取代其它输入输出方式,有时,输入比说话更加方便。但在我们使用技术的过程中,语音的地位会越来越高。要完全发挥语音技术的潜力,还有一些障碍需要突破。

Alexa,什么是深度学习?

计算机口述系统已经存在多年了,不过系统并不可靠,需要进行长时间训练才能理解某个人的声音。近年来,计算机不需要训练就可以识别任何人的语音,这些突破全都归功于“深度学习”,它是一种人工智能技术,利用深度学习技术,软件可以用无数案例学习,这些案例一般来自网络。

有了深度学习,在识别笔迹时计算机像人一样精准,计算机翻译系统正在快速进步,“文本-语音”系统不再那么生硬,发出的声音更加自然。总之,不论从哪方面来看,计算机处理自然语言的能力越来越强。

有了深度学习,机器识别语音的能力提高,说话的方式不再那么呆板,尽管如此,它仍然无法理解语言的意义。理解意义是最大的难题,如果语音计算想要流行起来,这一障碍必须克服。

计算机只有理解环境,才能围绕某一主题进行连贯的对话,现在的系统只能对简单的一次性命令做出回应。大学、大企业和小企业的研究人员正在努力解决这一问题,它们开发可以完成精致对话、可以处理复杂任务的机器人,这些机器人可以检索信息,为抵押贷款提供建议,还可以安排旅行计划。

什么时候魔法才能替代拼写?

语音计算如何进化,消费者与监管机构也起到了重要的决定作用。虽然语音技术仍然处在原始阶段,但是它已经带来一些问题:当系统面向个人时非常实用,它可以获得大量数据,比如日历、邮件、其它敏感信息。于是乎,隐私与安全问题接踵而来。

许多语音设备一直在监听,随时准备激活,问题因此变得更复杂。联网麦克风装进了每一个房间和每一台智能手机,这种现状已经引起一些人担忧。并非所有语音都被送到了云端,当设备听到触发短语时(比如“Alexa”、 “OK,Google”、 “Hey Cortana”、 “Hey,Siri”)才会将用户的语音传输到服务器,然后开始处理问题。如果设备开始存储语音,我们根本不知道谁持有数据,存储了哪些数据,何时存储的。

警察曾经调查Arkansas(阿肯色州)凶杀案,案发经过可能被亚马逊Echo监听,警察要求亚马逊开放语音数据,方便查看。亚马逊拒绝了,它不知这样做是否合法。

2016年也曾出现过相似的事情,当时苹果拒绝帮助 FBI 破解枪杀案凶手的 iPhone。这两件事告诉我们:应该建立规则,让大家知道何时接入个人隐私数据、获得什么数据是合理的。

 即使这些问题没有解决,消费者还是会接受语音计算技术。在许多环境中,语音方便得多,自然得多。当我们在做其它事时,语音最能发挥作用。因为各种原因,有时用户无法使用屏幕或者键盘,此时语音计算可以拓宽用途。

事实上,语音识别SDK不只对计算造成影响,还影响了语言本身。对于大多人来说,要想说一门不懂的外语比登天还难,计算机模拟翻译工具可以解决问题。如果机器可以说话,小语种就可以存活下来。在人类与计算机互动的历史长河中,触摸屏是最近出现的一次变革,如果能向语音转移,变革的力度会更大。

用户评论