编者按：Fraser Allison 是墨尔本大学人机交互博士候选人，他最近刊文讨论了语音界面的发展。在过去几年里，语音界面进步很快，理解日常、自然语音的能力大大提升，不再局限于呆板、谨慎的言辞命令。
如果一个包裹出乎意料来到了门口，你也许想和家中的智能设备说几句话。
最近，美国达拉斯州一个 6 岁的小孩告诉家里的 Echo 音箱，让它定一个玩具屋。亚马逊语音助手 Alexa 遵命照办，真的定了一个。
圣迭哥电视台报道了此事，新闻节目主持人还评论说：“我真是喜欢这个小女孩，她说：‘Alexa 给我定了一个玩具屋。’”听到新闻之后，圣迭哥家庭的许多亚马逊设备也纷纷购买了玩具屋。
有些人可能曾经尝试苹果 Siri、微软 Cortana 对话，听到这个故事，他们可能会涌起一种熟悉感。虽然设备已经很强大，可以听清我们的命令，但是它们并非总是能够理解我们的意思。
最近，微软的研究人员指出，当今的语音界面存在一个问题：它们自称为“智能”助手，可以讲俏皮的笑话，掌握大量知识，但是因为缺乏常识而让我们感到沮丧。
研究人员还发现，有一些人会持续与数字助手对话，这些人往往开始时对数字助手抱有很低的预期。
语音界面到底能够做什么？
当你与语音界面讲话时，它必须具备如下能力：
“听清”你的声音，将它与背景噪音区分。
确定每一个词汇的起点和终点，将“哼”“阿哈”之类的词忽略。
将每一个词的声音与字典中的词汇匹配，如果是同音异形异义词，语音助手必须根据环境挑选出正确的词汇。
正确解释整个句子的意思。
根据用户的请求生成有意义、实用的回应信息。
Google 从网络上收集了大量数据，如果你使用了 Google 服务，它还可以收集个人活动信息，所以在回答许多问题时 Google Now 可以提供中肯的答案。如果身处嘈杂的房间，当你向 Echo 提问，Echo 听清问题的能力很强，主要是因为 Echo 安装了降噪远场麦克风阵列。除此之外，用 Echo 从亚马逊购物也很方便。
在过去几年里，语音界面进步很快，理解日常、自然语音的能力大大提升，不再局限于呆板、谨慎的言辞命令。它可以处理一些简单的问题，比如：“有哪些人会参加澳大利亚网球公开赛？”还可以处理一些复杂的命令：“第一次参加澳大利亚网球公开赛的选手都有谁？”你还可以继续提问，比如：“决赛时会不会下雨？”
除了英语还有许多其它的语言，因此情况更加复杂，Siri 已经支持 40 种语言和方言，Alexa 只支持英语和德语。还好，所有功能都在稳步改进。
语音界面存在的难点
语音界面会不会接管一切技术，正如电影《她》（Her）描述的一样？科技咨询公司 Gartner 认为，到了明年 30% 的技术交互将会通过语音会话进行。
尽管如此，语音界面仍然存在局限性，光是改进技术还不能解决问题。噪音污染是一个主要的障碍。设备能够将用户的语音与背景噪音区分开来吗？技术的确能起到作用，它可以削减噪音、识别个性化语音、阅读唇语。
你与智能设备说话，这些话对其它人来说也是噪音，这种背景噪音如何处理？我们不妨设想一下，在办公室或者飞机上，有人坐在你的傍边，他在与 Siri 对话，而你正在读东西，此时你就会明白：从社交层面考虑，语音并非总是能被人们所接受。
还有一些问题来自于语音界面对精神的要求。学习使用语音系统可能是一件很困难的事，如果没有屏幕会更难，正如亚马逊 Echo 一样。
如果打电话给银行、电话公司，你会听到合成声音，它将选项全都念出来，此时你要集中精力听，心中很厌倦，你一直等待，直到自己想要的选项出现，生怕错过了，这种悲惨经历相信每个人都有过。传统图形界面不存在类似的问题，它可以将选项展示出来，让你快速选择。
当你学会操作语音命令，使用时也可能会分心。研究人员发现，与鼠标、键盘相比，语音命令更容易让人分心。
如果在汽车内使用语音命令，危害更大，美国犹他大学在报告中指出，使用语音命令之后司机注意力分散的时间最长可达 27 秒。
派上用场
正因如此，语音界面暂时不会完全接管世界，不过它会在我们的生活中找到小市场，发挥自己的作用。在汽车中语音命令已经很流行，随着技术的改进，希望语音命令引发的分心问题可以得到缓解。
在厨房内，你正在忙着做菜，此时你可以与 Alexa 交流，让它说出菜谱，更新购物信息。在 VR 与 AR 中，当你看不到自己的手时可以用语音界面控制系统。
学习语言时，我们可以用语音助手练习发音。有些人运动能力受损，出现肢体重复性劳损，或者存在诵读困难，此时语音可以帮上大忙。语音界面是一种期待以久的技术，有许多理由让我们相信语音时代已经来临。不过语音命令还不是那么聪明，在语音购物服务中，你最好还是设置一个密码，免得孩子乱买东西。
本文来自翻译：theconversation.com
相关文章
