语音应用引爆在即
2011/11/23
多年来，语音识别技术始终磕磕巴巴、欲语还休。现在，siri横空出世，将这项技术推向了主流，同时还带来了非常广泛的应用前景。
语音识别并不是什么新鲜事物。多年来，消费电子产品、汽车和自动呼叫中心一直就在“倾听”使用者的指令。从2009年开始，谷歌公司（google）就一直在采录语音信箱的信息。而在此之前三年，微软公司（迷crosoft）也将类似的技术置入了windowsvista。那么，苹果这个名为siri的全新虚拟个人助理到底有什么神奇之处呢？
它能读懂你的心。
换句话说，siri不仅仅是语音识别技术，它还能理解语言——正是这一点开始改变用户与手机的互动方式。现在，很多人预测，siri将对这项长期以来呼之欲出的技术起到重大推动作用，正如苹果iphone的触控系统让触控技术跻身主流一样。这项技术将扫清众多创新应用发展道路上的障碍。市场调研公司opusresearch称，今年语音识别行业的产值将达到约27亿美元。该公司还预计，2012年，市场将掀起后siri语音应用热潮。
是什么让siri如此与众不同呢？战略咨询公司creativestrategies总裁提姆?巴佳瑞称，答案在于精确性。他说：“siri推出的是真正的新一代人机界面，它对语音理解及精确把握语音的市场产生了重大影响。”
siri当然谈不上完美无缺。这项技术在理解某些口音上还颇为困难，不过苹果已经在努力解决这些小问题了。但对一款软件来说，siri的表现可圈可点。siri的始创者是位于加州的门罗帕克市的研究实验室sriinternational，据它称，siri的关键在于自然语言处理技术。siri的工作原理是：捕捉语音信号，直接将其转换为文本，它们与用户在手机屏幕上看到的文本并无二致。siri然后将这些语句与某些预先编制好的指令配比，比如“拨打电话”，或“编辑短信”。
这一技术潜力巨大，绝不是只适用于平板电脑和智能手机。语音识别系统nuance公司是语音识别软件dragon的开发者，这款软件在医疗保健行业的应用已经长达十年之久。内科医生的桌面上正运行着nuance的最新软件，它利用一个夹式微型话筒来录音。随着问诊的推进，这款软件会及时更新病人的电子健康记录。nuance公司医疗保健部门的资深研发副总裁乔?佩特罗称：“病人可能在这一秒说的是母亲的病史，下一秒又提起父亲的病历。而这些情况这款软件都能理解。”
它是如何做到的呢？它的工作原理和siri非常相似：通过从它所识别的语汇中获取意义，然后参照一个医疗信息数据库，将其与病人的病史做比对。随后，它会运用统计推断的方法，在其所发现的信息片段之间建立联系，甚至为对症治疗给出建议。全美大约有45万名内科医生正在使用nuance公司的软件。佩特罗称，这一技术的准确率超过90%，而且还会随着时间推移而不断提高。显然，这款软件盈利前景良好，因此nuance公司决定，将其第四财季的收入预期调高约1,000万美元。
然而，研究人员对这一技术的未来抱有更大的希望。思凯普?里佐是南加州大学创新技术学院（theuniversityofsoutherncalifornia'sinstituteforcreativetechnologies）的助理总监。他正在开发一种互动仿真技术，用以帮助退伍军人针对创伤后紧张症（post-traumaticstressdisorder）寻求医疗咨询服务。这款软件名为simcoach，它的最终目的是要设法理解人们口语背后的情绪状态。里佐称：“这是个十分巨大的挑战。因为必须采集语音模式，然后得像人类的大脑那样对它们进行分析。”里佐称，人类或许能察觉自己的好友或家人情绪异常，因为这时人们的语速往往会变慢，重音也更少，但电脑要捕捉这些信号可就相当困难了。
不过这个领域的有些研究却能更快获得成果，而不用再苦苦等待。去年春天，里佐的研究伙伴——麻省理工学院（迷t）教授阿历克斯?彭特兰在美国银行（bankofamerica）的呼叫中心开展了一项类似的语音推断技术试验，旨在分析员工的沟通对业务成功的影响。彭特兰让员工连续六周在脖子上戴着小型电子设备，它们能记录员工的实际位置以及身体语言和声音。所记录的数据能显示这些员工是在和谁沟通，他们站着时与沟通对象距离有多远，谈话的语调如何。彭特兰称：“我们发现，效率最高的员工不光与大量对象交谈，他们还与同样表现出这种特点的同事交谈。”结果，他说，只需要调整一下员工的茶歇时间，使这类员工之间的步调更为同步，这个呼叫中心每年就能节省1,500万美元。
用户现在对siri的广泛关注很可能将大大促进这类研究,并进一步推进其应用。里佐说：“语音识别技术确实是技术领域至高无上的圣杯（holygrail）。我们已经掌握了这项技术的90%，但剩下的10%要求攻克更多难关。一旦到了引爆点，我们将迎来一片十分广阔的市场。”看起来，这个引爆点很可能非siri莫属。