语音助手鏖战「全双工」,车载会是一个好场景吗?

巨头鏖战全双工,也推动“第三空间”竞逐走向台前

微信图片_20191021133104.png

一方面,作为最接近自然交互的形式,全双工已经成为智能语音领域的“香饽饽”,各大AI语音巨头都在积极布局。

另一方面,车载场景的人机交互需求也越来越强烈,在手没有被完全解放的情况下,驾驶员们对更自由、更随性、更解放的语音交互有着更强烈的需求,全双工为应用“刚需”。

与普通生活场景不同,车载环境的用户手动操作更加不便捷,而同时又往往有诸多功能操作(例如关窗、开空调)、生活服务(例如导航)、娱乐消遣需求(例如听歌),多样化需求更需要更连续的对话体验——如果每一个指令都要唤醒口令,不但用户体验不佳,从旁观者看,这种交互方式也颇有些尴尬。

与此同时,有限空间里的司乘对话,多人对话与人机交互叠加,加上驾驶环境的嘈杂,无疑对智能语音提出了更严峻的挑战。

于是,迫切的用户需求加上庞大的商业价值空间,以及车企这些年对产品创新的渴求,在这场全双工的鏖战中,车载语音场景不出预料成了玩家竞逐的焦点,全双工+车载的“搭配”迎来广阔的市场机会。例如,不久前的重庆智博会上,腾讯云小微就联合腾讯车联展示全双工语音交互技术,让用户对车载语音助手有了更多的好感和期待。

巨头鏖战全双工,也推动“第三空间”竞逐走向台前

目前为止,车载+全双工落地应用仍处于初期阶段,技术研发与应用适配同步进行中。

1、车载全双工,巨头各有玩法姿势

微软在2018年3月底宣布“全双工语音交互感官”已完成产品化落地,“长程语音交互成为可能”,到2019年8月,又宣布全双工语言交互技术已经通过车载设备完成测试,已经有了几个测试合作汽车厂。

微信图片_20191021133115.png

微软的全双工语音及其车载应用是小冰项目的延续,第七代微软小冰的重心之一是实现车载商用,逐步由“玩具”转向现实价值,车载无疑是当下最恰当的选择。

百度在押宝AI战略的大方向下,全双工技术的推广十分积极。今年7月,小度助手升级的全双工语音已经在小度在家智能音箱产品上使用,且开放赋能给更多智能硬件终端。

入局语音交互领域较早的科大讯飞,在2019年5月底发布了智能物联网操作系统iFLYOS 2.0,也在多个领域开始了全双工交互技术的应用尝试。

今年8月,重庆智博会上,腾讯云小微全双工语音技术也正式对外展示。依靠腾讯云小微这些年在语音技术上的深耕,选择了最为“刚需”的车载场景率先落地全双工交互技术,试图从最符合用户需求的驾驶场景打头阵,然后进行全域拓展。

车联网与AI助手的结合,也是技术与生态基础上的B+C的搭配,非常符合腾讯在ToB转向过程中的一贯调性。

2、技术推动下,第三空间正由概念走向实践

在很久之前,汽车就被认为是家庭、工作之外的“第三空间”,在欧美等汽车文化浓郁的国家,车的第三空间价值十分明显。

但在中国,日常出行的属性仍然占据大头,用户进入车内,听音乐、导航、调空调……在不用重复唤醒的情况下,很自然完成一套操作……把全双工放到车载场景中,如果从汽车角度看,本质上是“第三空间”的一种强化。

抛开技术,从具体场景实践来看,巨头们在全双工领域的布局和竞争,也在推动“第三空间”竞逐走向台前,谁能让用户真正体会到车上服务的便利,挖掘这个空间的用户价值,谁就能在车载场景中实现商业突围,这本身也与汽车厂商求新、求变、谋求市场增量的需求相吻合。

第三空间的体验塑造,将面对用户痛点的“三重区分”的挑战

离开汽车视角,从全双工技术视角来看,其面临的首要挑战在于,如何在连续对话中还能拥有很高准确率和响应速度。

例如,从已有资料看,腾讯云小微的全双工语音交互技术,在30秒到90秒的时间范围内(用户自行设定),一次唤醒即可实现连续对话,过程中用户可以随时打断机器的回答。

微信图片_20191021144634.jpg

而除了全双工的特殊能力,腾讯云小微可实现车载复杂噪声环境下唤醒率97%以上,语音识别准确率96%以上,意图理解准确率高达98%。

这里不去对比这些数字的优劣,毕竟多数语音助手都能拿出还不错的成绩,但它们至少说明 “全双工”交互下,准确率仍能保持高水准。不过,在汽车有限的第三空间里塑造用户体验,语音助手们还有三大硬骨头要啃——实现用户的三种“区分”需求。

1、在几何级技术难度升级的基础上,区分“情境”

腾讯云小微称包括播放音乐、导航、查股票、查天气等众多服务在内,用户都可以通过语音指令,跟车机一次唤醒、连续应答、自然交互,这其中涉及一个很重要的问题:跨情境的全双工服务。

目前的车载语音助手已经可以做到在一定场景内免唤醒,例如常用的听音乐,想听A歌曲又反悔,想听B歌曲,机器自动识别不需要用户多次唤醒。

而当场景需求延展后,全双工语音技术就不得不面临既要连续、又要跨情境“思考”的挑战,而这又几乎是汽车体验的必须,内容、导航、查询、设备控制……区分场景是“全双工”的必要技能。

很明显,即便是人的沟通在转换话题时也需要适应,机器在面临这种情境跨越的全双工语音时,其难度是乘法级的几何提升,而非仅仅做叠加而已。

2、在复杂的对话环境中,区分“人”

与欧美不同,在当下中国汽车文化中,家庭单位属于仍然强于个人单位,“每家都有车”而不是“每人都有车”。很多时候,车中不只有司机,而肯定有副驾驶等其他乘客。

所谓“第三空间”不只是为司机服务,也为所有乘客服务。

对车载全双工而言,这又带来一个特殊的问题,如何让不同的人有属于自己的完整体验。如果把全双工比作一个人,与之沟通时,司机或乘客肯定都希望他与自己的沟通是完整的。

从当前的解决方式来看,行业主要采用多音区设置:主驾唤醒之后,都是听主驾的声音,副驾的唤醒后,都是听副驾的语音,理论上,另一个人要接入全双工交互,必须重新唤醒,才可以开启自己的完整对话体验。严格来说,这是通过物理设置的替代性方案,并非机器对不同声音的完全识别,而是通过声音的来源区分“人”。行业内也正在发展的“声纹识别技术”,直接辨别不同的用户,或才是未来更为彻底的解决方案,不过这仍需要等待。

3、在丰富多样的服务中,区分“需求”

智能语音从一开始就是两条腿走路:前端听懂用户说了什么,后端根据用户的个性化需求推荐给不同的内容、服务,或者执行某些操控指令。

放到车载全双工这里,其实问题拓展到了两个层面:

怎么听懂是对机器说的,而不是对其他人说的(比如人和人聊天),不要误解用户的需求;

在确定是对机器的需求后,如何实现更为个性化的服务输出,毕竟,如果用户想吃点喜欢吃的,你随便导航到了一个用户不喜欢的店子,或者甚至用户想要去放松一下,你给导航到了公司,这样的连续交互也就失去了意义。

前者需要语音识别能力的极大加强,它还有许多细节需要用技术实现,例如腾讯云小微称其借助云端大脑,不但能理解用户的话哪些是需要响应的指令,哪些只是用户对别人说的话,这其中同样涉及复杂场景需求问题,懂更多还要区分是不是需求,挑战进一步升级。

后者,本质上可以视为个性化推荐机制的延续,考验的语音助手背后的平台数据能力,如何在尽可能短的时间内了解眼前的用户,为其提供定制化服务,强化全双工的“实质”支撑,而不是只有花架子。腾讯云小微打出“懂你所需”的旗号,通过训练后推送定制化服务内容,这是全双工技术的行业必然,只是看谁能更为准确。

对用户而言,同样是自然的交互,如同与人交流一样,与一个“懂你所需”的全双工语音助手交互,就像是熟人聊天,而与无法实现定制化服务输出的机器交互,就像是在和陌生人聊天,其体验差距无需多言。

微信图片_20191021144643.jpg

全双工语音助手趋势不可避免,车载只是拼图的一块

几乎不会有人否认,语音助手是人机交互必然趋势。经过几年的发展,在巨头们的努力下,越来越高的语音识别准确率,各平台飚出的准确率指标,本身就证明机器的“听见”和“听懂”已经逐步实现,剩下的是不断完善的过程。

而“智商”问题一旦接近解决,“情商”问题就走向台前,让机器更贴近人,实现人性化、情感化,是语音助手必然的趋势。

于是,全双工等新技术不断涌现。几乎可以肯定的是,在未来,一方面全双工必然要突破参数瓶颈,例如没有30秒、90秒的区分,而是无限连续同时准确识别需求,就是如科幻片机器人管家那样的无缝交互,这是语音助手发展的必然;另一方面,更多其他的科技将不断涌现,例如多模态识别,将声音、图像、环境等诸多因素整合来与用户自然交互。

而显然,虽然车载急迫需要全双工等更多自然交互技术,但全双工并不只会局限于车载。几乎所有巨头的全双工技术的“理想”都是全场景应用,即便是腾讯云小微选择以车载为典型,未来也必将在全领域发力——到目前为止,在出行领域之外,腾讯云小微凭借全栈AI能力及腾讯丰富的内容和服务生态,在文旅、政务、教育、智能硬件等多个领域都有涉猎。

以硬件为例,腾讯云小微AI应用解决方案已经输送到机器人、智能电视、智能音箱、智能空调等多个品牌多款产品中,而且百度科大讯飞、阿里等玩家都在积极布局。

可以说,车载是全双工最热的局部战场,未来的全双工将是全领域的战争,届时,当物联网真正全面落地时,汽车这样的第三空间将融入一个相互连接、不分彼此的“唯一空间”,车载全双工与家居、工作全双工联动,人与虚拟数字世界将实现无缝对接。

拭目以待吧。

曾响铃
曾响铃

1.钛媒体、品途商业评论等2016年度十大作者; 2.虎啸奖评委; 3. AI新媒体“智能相对论”创始人; 4.作家:【移动互联网+ 新常态下的商业机会】等畅销书作者; 5.《商界》《商界评论》《销售与市场》等近十家杂志撰稿人; 6.钛媒体、界面、虎嗅等近80家专栏作者; 7.“脑艺人”(脑力手艺人)概念提出者,现演变为“自媒体”,成为一个行业。 8.现为“今日头条问答签约作者”、多家科技智能公司传播顾问。

产业人机交互语音助手
相关数据
来也科技机构

「来也」是国内领先的人工智能交互平台,由常春藤盟校(Ivy League)归国博士和MBA团队发起,核心技术涵盖自然语言处理(NLP)、多轮对话控制和个性化推荐系统等。公司已获得数十项专利和国家高新技术企业认证。 来也的愿景是通过AI赋能,让每个人拥有助理。C 端产品小来是智能化的在线助理,通过业内创新的AI+Hi模式,提供日程、打车、咖啡、差旅和个性化查询等三十余项技能(覆盖400w用户和数十万服务者),让用户用自然语言发起需求并得到高效的满足。B端品牌吾来输出知识型的交互机器人和智能客户沟通系统,帮助各领域企业客户打造行业助理。目前已经在母婴,商旅,金融和汽车等行业的标杆企业实现商业化落地。

https://www.laiye.com/
今日头条机构

“今日头条”是一款基于数据挖掘技术的个性化推荐引擎产品,它为用户推荐有价值的、个性化的信息,提供连接人与信息的新型服务,是国内移动互联网领域成长最快的产品之一。

https://bytedance.com/en
科大讯飞机构

科大讯飞股份有限公司(SZ.002230)成立于1999年,是一家专业从事智能语音及语言技术、人工智能技术研究,软件及芯片产品开发,语音信息服务及电子政务系统集成的国家级骨干软件企业。科大讯飞的语音合成、语音识别、口语评测、机器翻译等智能语音与人工智能核心技术代表了世界最高水平。

http://www.iflytek.com/
微软机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

操作系统技术

操作系统(英语:operating system,缩写作 OS)是管理计算机硬件与软件资源的计算机程序,同时也是计算机系统的内核与基石。操作系统需要处理如管理与配置内存、决定系统资源供需的优先次序、控制输入与输出设备、操作网络与管理文件系统等基本事务。操作系统也提供一个让用户与系统交互的操作界面。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

查询技术

一般来说,查询是询问的一种形式。它在不同的学科里涵义有所不同。在信息检索领域,查询指的是数据库和信息系统对信息检索的精确要求

人机交互技术

人机交互,是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。小如收音机的播放按键,大至飞机上的仪表板、或是发电厂的控制室。

百度机构

百度(纳斯达克:BIDU),全球最大的中文搜索引擎、最大的中文网站。1999年底,身在美国硅谷的李彦宏看到了中国互联网及中文搜索引擎服务的巨大发展潜力,抱着技术改变世界的梦想,他毅然辞掉硅谷的高薪工作,携搜索引擎专利技术,于 2000年1月1日在中关村创建了百度公司。 “百度”二字,来自于八百年前南宋词人辛弃疾的一句词:众里寻他千百度。这句话描述了词人对理想的执着追求。 百度拥有数万名研发工程师,这是中国乃至全球最为优秀的技术团队。这支队伍掌握着世界上最为先进的搜索引擎技术,使百度成为中国掌握世界尖端科学核心技术的中国高科技企业,也使中国成为美国、俄罗斯、和韩国之外,全球仅有的4个拥有搜索引擎核心技术的国家之一。

http://home.baidu.com/
腾讯机构

腾讯科技股份有限公司(港交所:700)是中国规模最大的互联网公司,1998年11月由马化腾、张志东、陈一丹、许晨晔、曾李青5位创始人共同创立,总部位于深圳南山区腾讯大厦。腾讯由即时通讯软件起家,业务拓展至社交、娱乐、金融、资讯、工具和平台等不同领域。目前,腾讯拥有中国国内使用人数最多的社交软件腾讯QQ和微信,以及中国国内最大的网络游戏社区腾讯游戏。在电子书领域 ,旗下有阅文集团,运营有QQ读书和微信读书。

http://www.tencent.com/
推荐文章
暂无评论
暂无评论~