語音應用引爆在即
2011/11/23
多年來，語音識別技術始終磕磕巴巴、欲語還休。現在，Siri橫空出世，將這項技術推向了主流，同時還帶來了非常廣泛的應用前景。
語音識別並不是什麽新鮮事物。多年來，消費電子產品、汽車和自動呼叫中心一直就在“傾聽”使用者的指令。從2009年開始，穀歌公司（Google）就一直在采錄語音信箱的信息。而在此之前三年，微軟公司（Microsoft）也將類似的技術置入了WindowsVista。那麽，蘋果這個名為Siri的全新虛擬個人助理到底有什麽神奇之處呢？
它能讀懂你的心。
換句話說，Siri不僅僅是語音識別技術，它還能理解語言——正是這一點開始改變用戶與手機的互動方式。現在，很多人預測，Siri將對這項長期以來呼之欲出的技術起到重大推動作用，正如蘋果iPhone的觸控係統讓觸控技術躋身主流一樣。這項技術將掃清眾多創新應用發展道路上的障礙。市場調研公司OpusResearch稱，今年語音識別行業的產值將達到約27億美元。該公司還預計，2012年，市場將掀起後Siri語音應用熱潮。
是什麽讓Siri如此與眾不同呢？戰略谘詢公司CreativeStrategies總裁提姆•巴佳瑞稱，答案在於精確性。他說：“Siri推出的是真正的新一代人機界麵，它對語音理解及精確把握語音的市場產生了重大影響。”
Siri當然談不上完美無缺。這項技術在理解某些口音上還頗為困難，不過蘋果已經在努力解決這些小問題了。但對一款軟件來說，Siri的表現可圈可點。Siri的始創者是位於加州的門羅帕克市的研究實驗室SRIInternational，據它稱，Siri的關鍵在於自然語言處理技術。Siri的工作原理是：捕捉語音信號，直接將其轉換為文本，它們與用戶在手機屏幕上看到的文本並無二致。Siri然後將這些語句與某些預先編製好的指令配比，比如“撥打電話”，或“編輯短信”。
這一技術潛力巨大，絕不是隻適用於平板電腦和智能手機。語音識別係統Nuance公司是語音識別軟件Dragon的開發者，這款軟件在醫療保健行業的應用已經長達十年之久。內科醫生的桌麵上正運行著Nuance的最新軟件，它利用一個夾式微型話筒來錄音。隨著問診的推進，這款軟件會及時更新病人的電子健康記錄。Nuance公司醫療保健部門的資深研發副總裁喬•佩特羅稱：“病人可能在這一秒說的是母親的病史，下一秒又提起父親的病曆。而這些情況這款軟件都能理解。”
它是如何做到的呢？它的工作原理和Siri非常相似：通過從它所識別的語匯中獲取意義，然後參照一個醫療信息數據庫，將其與病人的病史做比對。隨後，它會運用統計推斷的方法，在其所發現的信息片段之間建立聯係，甚至為對症治療給出建議。全美大約有45萬名內科醫生正在使用Nuance公司的軟件。佩特羅稱，這一技術的準確率超過90%，而且還會隨著時間推移而不斷提高。顯然，這款軟件盈利前景良好，因此Nuance公司決定，將其第四財季的收入預期調高約1,000萬美元。
然而，研究人員對這一技術的未來抱有更大的希望。思凱普•裏佐是南加州大學創新技術學院（theUniversityofSouthernCalifornia'sInstituteforCreativeTechnologies）的助理總監。他正在開發一種互動仿真技術，用以幫助退伍軍人針對創傷後緊張症（post-traumaticstressdisorder）尋求醫療谘詢服務。這款軟件名為SimCoach，它的最終目的是要設法理解人們口語背後的情緒狀態。裏佐稱：“這是個十分巨大的挑戰。因為必須采集語音模式，然後得像人類的大腦那樣對它們進行分析。”裏佐稱，人類或許能察覺自己的好友或家人情緒異常，因為這時人們的語速往往會變慢，重音也更少，但電腦要捕捉這些信號可就相當困難了。
不過這個領域的有些研究卻能更快獲得成果，而不用再苦苦等待。去年春天，裏佐的研究夥伴——麻省理工學院（MIT）教授阿曆克斯•彭特蘭在美國銀行（BankofAmerica）的呼叫中心開展了一項類似的語音推斷技術試驗，旨在分析員工的溝通對業務成功的影響。彭特蘭讓員工連續六周在脖子上戴著小型電子設備，它們能記錄員工的實際位置以及身體語言和聲音。所記錄的數據能顯示這些員工是在和誰溝通，他們站著時與溝通對象距離有多遠，談話的語調如何。彭特蘭稱：“我們發現，效率最高的員工不光與大量對象交談，他們還與同樣表現出這種特點的同事交談。”結果，他說，隻需要調整一下員工的茶歇時間，使這類員工之間的步調更為同步，這個呼叫中心每年就能節省1,500萬美元。
用戶現在對Siri的廣泛關注很可能將大大促進這類研究,並進一步推進其應用。裏佐說：“語音識別技術確實是技術領域至高無上的聖杯（holygrail）。我們已經掌握了這項技術的90%，但剩下的10%要求攻克更多難關。一旦到了引爆點，我們將迎來一片十分廣闊的市場。”看起來，這個引爆點很可能非Siri莫屬。