發(fā)表評論分享按鈕

手機語音搜索亟待突破中文識別技術(shù)瓶頸

2012/02/21

　　“娛樂式嘗鮮”利于產(chǎn)品升級改進

　　在手機語音搜索這一年度移動互聯(lián)網(wǎng)熱點領(lǐng)域，蘋果公司依舊是先行者。此前，蘋果公司推出了iPhone 4S，并在其中集成了Siri模塊——這使得用戶可以通過語音對手機進行控制，同時也可以通過語音進行搜索。蘋果公司巨大的行業(yè)示范效應(yīng)使得手機語音搜索的市場被引爆，各類語音搜索的應(yīng)用迅速涌現(xiàn)。

　　近日，HTC旗艦級新機HTC Endeavour被曝出包含了一項名為“HTC Speak”的語音助理軟件；國內(nèi)熱門移動互聯(lián)網(wǎng)應(yīng)用訂餐小秘書也推出了支持語音搜索餐廳功能的Android版及iPhone版客戶端。此前，百度、谷歌、騰訊、UC、科大訊飛等都陸續(xù)推出了自有移動語音搜索應(yīng)用，一時間語音搜索似乎成為了未來智能終端的必備選項。

　　事實上，與國外不同，目前國內(nèi)手機語音搜索市場雖然已具備了一定的用戶需求與初步的技術(shù)積累，但仍處在市場導(dǎo)入期階段。由于目前的技術(shù)現(xiàn)狀無法準(zhǔn)確識別國內(nèi)用戶相關(guān)需求，用戶多將其作為嘗鮮的娛樂工具而非應(yīng)用工具，可以看到，我國手機語音搜索應(yīng)用從起步到成熟仍將有較長的路要走。

　　Siri成功培養(yǎng)用戶習(xí)慣

　　雖未被廣泛普及，但目前國內(nèi)手機語音搜索的市場發(fā)展基礎(chǔ)已經(jīng)形成。

　　首先，手機語音搜索迎合國內(nèi)手機用戶需求。用戶在使用手機時，有相當(dāng)比例的時間處在移動狀態(tài)下，在這種狀態(tài)下，用戶視覺的使用需要在使用手機與其它行為（如觀察路況等）間進行分配，因而無法專注地使用手機。而語音搜索則解決了這一問題，用戶可以通過“說”來提交需求，通過“聽”來獲得反饋，而不會影響用戶正常行為。

　　其次，Siri成功引發(fā)了用戶語音搜索使用興趣，國內(nèi)手機語音搜索市場發(fā)展的引爆點已經(jīng)出現(xiàn)。在過去十多年中，蘋果公司一直作為行業(yè)引領(lǐng)者而存在，每當(dāng)其推出了新產(chǎn)品、新應(yīng)用后，用戶對其高度認(rèn)可，并將其作為流行趨勢來對待，而市場上也隨之會出現(xiàn)一系列的“借鑒者”，在產(chǎn)品的外觀、功能等諸多方面進行借鑒�？梢钥吹剑�(dāng)Siri被集成到iPhone 4S中后，在其它各類應(yīng)用市場上，迅速出現(xiàn)了上百種與語音相關(guān)的應(yīng)用，并且凡是涉及到搜索的（包括搜索引擎以及各類應(yīng)用中所涉及到的搜索功能），也無一例外地加上了語音搜索模塊。

　　第三，中文語音搜索的技術(shù)基礎(chǔ)已初步形成。語音搜索并非蘋果公司所獨創(chuàng)，核心技術(shù)也并非完全掌握在蘋果公司處，這就使得語音搜索的廣泛應(yīng)用成為可能。語音搜索從技術(shù)本質(zhì)而言，是先對用戶所說的語句進行語音識別，再根據(jù)識別的結(jié)果進行搜索，并反饋用戶相應(yīng)結(jié)果。目前，科大訊飛、谷歌等企業(yè)歷經(jīng)多年的發(fā)展，通過語音庫、語義庫的構(gòu)建，已經(jīng)能夠較好地識別用戶的語音；而語義庫的構(gòu)建，也實現(xiàn)了機器對人自然語言的解讀，為更加精確反饋搜索結(jié)果奠定了基礎(chǔ)。同時，移動互聯(lián)網(wǎng)與云計算的發(fā)展，也使得基于在線龐大語音、語義庫，實現(xiàn)精準(zhǔn)識別成為可能。

　　中文識別難上加難

　　盡管手機語音搜索市場基礎(chǔ)已經(jīng)形成，但是短期內(nèi)市場無法規(guī)模推廣，其根本原因在于目前技術(shù)仍不成熟。

　　眾所周知，每個人的口音均有一定的差別，能夠準(zhǔn)確識別用戶在說什么，本身就是一件很困難的事，而中文的同音不同字情況較多，將用戶的語句識別為哪些詞組，還需要考慮上下文的具體情況，相比英文、德文等拉丁語系的一個發(fā)音明確對應(yīng)一個單詞而言，中文的識別難度無疑會更高。同時，在中文中，同樣的一句話，在不同的語境中，具備了不同的含義，識別難度會更大，很難實現(xiàn)以自然語言進行搜索，并準(zhǔn)確反饋搜索結(jié)果。

　　此外，為了調(diào)用語音、語義庫，以更加精準(zhǔn)地理解用戶的意思，目前不少語音搜索服務(wù)商的做法是將用戶所說的語音上傳到服務(wù)器，由服務(wù)器進行識別，但這對網(wǎng)絡(luò)的速度、服務(wù)器的處理能力等提出了較高的要求。

　　筆者曾對目前較為流行的谷歌語音搜索應(yīng)用進行測試，發(fā)現(xiàn)其對標(biāo)準(zhǔn)普通話的理解尚可，但如果發(fā)音稍不準(zhǔn)確或者出現(xiàn)一些較為冷僻的詞匯，則識別準(zhǔn)確度就會出現(xiàn)明顯下降，需要手工調(diào)整；同時，在光纖接入的Wi-Fi環(huán)境下，識別一句完整的話也需要數(shù)十秒的等待時間。

　　音調(diào)類搜索或密集涌現(xiàn)

　　從長期發(fā)展趨勢上看，當(dāng)語音搜索技術(shù)達(dá)到成熟時，手機將成為用戶的智能助理，用戶可以用自然語言向手機發(fā)出命令，手機快速完成用戶的請求，包括執(zhí)行相關(guān)應(yīng)用、反饋相關(guān)信息等，而目前的應(yīng)用如Siri，雖然具備了相應(yīng)的理念，但尚不能完全實現(xiàn)相應(yīng)的功能，特別是基于中文的應(yīng)用。

　　為了推動手機語音搜索產(chǎn)品加速步入成熟階段，在現(xiàn)階段，將有諸多廠商，按照手機語音搜索成熟階段的理念提供相應(yīng)產(chǎn)品，并不斷優(yōu)化。這些產(chǎn)品主要包括手機輸入法、搜索框的輸入、手機語音應(yīng)用等。它們在初期或許并不成熟，用戶需要努力用標(biāo)準(zhǔn)的普通話發(fā)音，而不能用自己所常使用的說話方式，并且未必能夠得到精確的反饋結(jié)果，因此，此類產(chǎn)品往往被用戶嘗鮮式使用，并被當(dāng)作一種娛樂工具而非應(yīng)用工具，但是，在產(chǎn)品被用戶使用的過程中，廠商能夠不斷采集用戶的聲音、用戶語言，從而形成較為完善的語音庫、語義庫，使得產(chǎn)品能夠逐步趨向成熟。

　　同時，手機語音搜索的另一個發(fā)展方向是音調(diào)搜索，例如用戶想搜索一首音樂，但他只能記得部分的聲音片段，如果他能夠哼唱出音調(diào)，那么搜索工具同樣能夠支持搜索。預(yù)計在未來，此類產(chǎn)品將不斷涌現(xiàn)。

　　總之，審視手機語音搜索的商業(yè)模式，筆者認(rèn)為其不能構(gòu)建獨立的商業(yè)模式，而將更多作為一種技術(shù)手段，支撐其它各類型應(yīng)用更好地發(fā)展，并且在不斷的信息搜集中，實現(xiàn)ICT產(chǎn)業(yè)的重要發(fā)展目標(biāo)之一，即人工智能的深入突破。

通信世界周刊


相關(guān)閱讀:
華為與芒果網(wǎng)合推最新應(yīng)用軟件“勢力邦” 2012-02-21
盛大語音平臺為開發(fā)者插上聲音的翅膀 2012-02-17
智能手機安全堪憂 安卓平臺危險最大 2012-02-15
全球智能手機銷量首超PC 移動互聯(lián)網(wǎng)引發(fā)跨界風(fēng) 2012-02-15
LinkedIn移動領(lǐng)域發(fā)展迅速 欲將廣告植入應(yīng)用 2012-02-10

熱點專題:  移動互聯(lián)網(wǎng)