現(xiàn)在在汽車(chē)行駛過(guò)程中，通過(guò)喚醒車(chē)載語(yǔ)音助手實(shí)現(xiàn)導(dǎo)航、播放音樂(lè)、開(kāi)關(guān)車(chē)窗等這些的簡(jiǎn)單操作對(duì)用戶(hù)已經(jīng)沒(méi)有多少吸引力了。

或許是受到智能音箱、手機(jī)、機(jī)器人的語(yǔ)音交互功能帶來(lái)的人性化、趣味性體驗(yàn)的影響，又或是在自動(dòng)駕駛、智能汽車(chē)風(fēng)潮的大力推動(dòng)下，用戶(hù)從最初對(duì)車(chē)載語(yǔ)音只要求能聽(tīng)到聽(tīng)懂就好變成希望它能夠像真正的人工智能助手一樣，不只是一問(wèn)一答的簡(jiǎn)單人機(jī)對(duì)話，而是真正傾聽(tīng)他們的需求，給與情感上的反饋。

這樣的要求好像對(duì)于現(xiàn)在發(fā)展還不夠健全的車(chē)載語(yǔ)音交互來(lái)說(shuō)，有點(diǎn)困難。當(dāng)我們暫且拋開(kāi)車(chē)載語(yǔ)音交互，單純談?wù)撜Z(yǔ)音交互的應(yīng)用，會(huì)發(fā)現(xiàn)它其實(shí)已經(jīng)在其他的場(chǎng)景中得到了較為成熟的應(yīng)用。

比如智能家居就是一個(gè)很明顯的例子，諸如國(guó)外的谷歌、亞馬遜、蘋(píng)果，國(guó)內(nèi)的百度、小米等公司他們都可以使用旗下的智能音箱或是在手機(jī)端下載APP來(lái)實(shí)現(xiàn)對(duì)家居、電器下達(dá)語(yǔ)音指令實(shí)現(xiàn)語(yǔ)音控制。

一般討論的語(yǔ)音交互包括三個(gè)模塊，語(yǔ)音識(shí)別ASR（將聲音轉(zhuǎn)化為文字）、自然語(yǔ)言處理NLP（機(jī)器理解人類(lèi)表達(dá)的意思，并給與反饋）和語(yǔ)音合成TTS（將文字轉(zhuǎn)化為聲音）。

語(yǔ)音識(shí)別對(duì)于國(guó)內(nèi)外具有一定技術(shù)研發(fā)實(shí)力和積累的公司已經(jīng)不是一個(gè)緊迫的問(wèn)題，真正現(xiàn)在困擾供應(yīng)商和用戶(hù)的是自然語(yǔ)言處理部分，即語(yǔ)義理解，不僅是識(shí)別到用戶(hù)的語(yǔ)音指令，更重要的是理解用戶(hù)指令的含義。

比如對(duì)Siri說(shuō)，今天下午五點(diǎn)幫我預(yù)約XX餐廳，這句話識(shí)別起來(lái)比較容易，但Siri卻無(wú)法理解該句話表達(dá)的意思，因?yàn)樗姓Z(yǔ)義上的歧義。語(yǔ)音交互其實(shí)最終也是消解歧義和模糊的表達(dá)，來(lái)達(dá)到理解對(duì)話目的和用途。

智能化和情感化的車(chē)載語(yǔ)音

車(chē)載語(yǔ)音也遵循同樣的原理，只是發(fā)展困境顯然比其他類(lèi)型終端的語(yǔ)音交互艱難得多。汽車(chē)無(wú)人駕駛級(jí)別的不斷遞推，也是車(chē)載語(yǔ)音交互持續(xù)進(jìn)化的一個(gè)過(guò)程，它們是一個(gè)相輔相成的關(guān)系。

2000年寶馬推出了第一款具有語(yǔ)音識(shí)別的汽車(chē)，當(dāng)時(shí)這款汽車(chē)語(yǔ)音識(shí)別能力非常有限，根本無(wú)法滿(mǎn)足用戶(hù)車(chē)內(nèi)的交互需求，之后隨著人工智能、AI、大數(shù)據(jù)、深度神經(jīng)網(wǎng)絡(luò)的發(fā)展，車(chē)載語(yǔ)音也實(shí)現(xiàn)了一次華麗的蛻變。

今年9月份，外媒報(bào)道，新梅賽德斯-奔馳A級(jí)車(chē)的車(chē)載語(yǔ)音角將很快可以實(shí)現(xiàn)駕駛員與汽車(chē)的深度融合，利用本地?cái)?shù)據(jù)和云端數(shù)據(jù)解鎖更多豐富的場(chǎng)景和功能。例如，當(dāng)用戶(hù)餓了，可以向語(yǔ)音助手尋求有關(guān)餐廳的建議，包括食物種類(lèi)、餐廳風(fēng)格等個(gè)性化需求。

這其實(shí)才是用戶(hù)對(duì)車(chē)載語(yǔ)音真正的期待——向智能和情感方向的演進(jìn)。在這方面科幻電影倒是發(fā)揮的淋漓盡致，在電影《Her》中，主人公西奧多愛(ài)上了人工智能系統(tǒng)OS1的化身薩曼莎，薩曼莎是基于深度學(xué)習(xí)算法而形成的，雖然是個(gè)虛擬的女友，但她對(duì)人類(lèi)情感的洞察卻絲毫不亞于真實(shí)的人類(lèi)，不僅可以精確地捕捉到主人公語(yǔ)言表達(dá)的意圖，還能分析出當(dāng)時(shí)的情緒狀態(tài)和變化。

對(duì)車(chē)載語(yǔ)音來(lái)說(shuō)這種智能和情感是如何體現(xiàn)的呢？

試想一個(gè)場(chǎng)景：在下班開(kāi)車(chē)過(guò)程中，對(duì)車(chē)載語(yǔ)音助手說(shuō)一句，“XX，下班了來(lái)首音樂(lè)”，基于對(duì)下班這個(gè)詞的語(yǔ)義理解，它推測(cè)出用戶(hù)現(xiàn)在需要的是舒緩、安神類(lèi)的歌曲，而不用再次詢(xún)問(wèn)用戶(hù)，播放什么歌曲。減少了無(wú)意義的對(duì)話，增加了交互和溝通的效率。

語(yǔ)音交互是車(chē)載人機(jī)交互的主入口

人機(jī)交互的本質(zhì)是人與機(jī)器的交流，而交流必定是雙方之間有互動(dòng)有反饋，人對(duì)機(jī)器發(fā)出指令，機(jī)器也要能在極快的時(shí)間內(nèi)做出回應(yīng)，這才稱(chēng)得上是優(yōu)質(zhì)的人機(jī)交互體驗(yàn)。從物理按鍵、觸控、語(yǔ)音交互、手勢(shì)控制，車(chē)內(nèi)交互方式的更迭與共存是一個(gè)體驗(yàn)升級(jí)的過(guò)程。

車(chē)載語(yǔ)音能夠不斷的進(jìn)化變得越來(lái)越懂用戶(hù)，這與它自身具有優(yōu)勢(shì)條件密不可分。車(chē)內(nèi)的交互大部分時(shí)間都處于汽車(chē)行駛狀態(tài)下，安全駕駛成為交互的首要考慮選項(xiàng)，這也是為什么在中控屏幕上采用觸控而被大家吐槽。

因?yàn)橛|控意味著用戶(hù)需要頻繁低頭看屏幕來(lái)確認(rèn)自己的操作是否正確，畢竟在中控屏上實(shí)現(xiàn)盲操作還是一件挺困難的事情。雖然對(duì)于部分經(jīng)驗(yàn)豐富的老司機(jī)來(lái)說(shuō)，使用物理按鍵能夠?qū)崿F(xiàn)部分功能的盲操作，但絕大多數(shù)的普通司機(jī)并沒(méi)有掌握這一項(xiàng)技能。

與之相對(duì)比，語(yǔ)音控制就成為了車(chē)內(nèi)交互的首選方案。它只需要用戶(hù)發(fā)出語(yǔ)音指令就可以完成相關(guān)操作，不用低頭、不用動(dòng)手，全程確保駕駛員的注意力集中在駕駛上。

此外，語(yǔ)音交互增加了用戶(hù)與汽車(chē)之間的互動(dòng)，并且這一互動(dòng)是具有趣味性和新鮮感的，它能夠用更加人性化的方式給予用戶(hù)反饋，而不是冰冷的機(jī)械觸感。這也契合了近年來(lái)智能座艙的內(nèi)涵，讓汽車(chē)從出行工具轉(zhuǎn)變?yōu)橹悄艿纳钇脚_(tái)。

現(xiàn)階段已經(jīng)有很多科技公司在語(yǔ)音交互上取得了新的突破，在2018年Google I/O 大會(huì)上，展示了谷歌的語(yǔ)音助手Google Assistant是如何模仿人類(lèi)與電話另一端的人工客服人員進(jìn)行問(wèn)答交流。

有意思的是，語(yǔ)音助手在流暢的表達(dá)了自己的意圖后，還模仿人類(lèi)的口語(yǔ)，發(fā)出了enmm這種表示停頓的語(yǔ)氣，當(dāng)人工客服在回答“稍等，我查詢(xún)一下”之后，谷歌語(yǔ)音助手試圖去理解這句話的含義，發(fā)出了表示疑問(wèn)的嗯哼。

盡管這種“高仿人類(lèi)”的人機(jī)對(duì)話還無(wú)法進(jìn)行商業(yè)落地，但它清晰地向外界傳輸了一個(gè)信號(hào)——未來(lái)的語(yǔ)音交互應(yīng)該具備什么樣的能力。

另一大語(yǔ)音科技巨頭亞馬遜旗下在今年9月發(fā)布了車(chē)載語(yǔ)音產(chǎn)品Echo Auto，將旗下的語(yǔ)音助手Alexa整合到汽車(chē)中，拓展出行使用場(chǎng)景，為駕駛員提供更加自然、流暢的語(yǔ)音交互體驗(yàn)。

Echo Auto不僅可以播放音樂(lè)、查看新聞、打電話、設(shè)提醒、管理日歷等常規(guī)操作，還能夠與智能家居相連接，行駛過(guò)程中可以命令A(yù)lexa關(guān)閉家中的電器或是關(guān)閉車(chē)庫(kù)大門(mén)等。

不管是技術(shù)發(fā)展的趨勢(shì)，還是用戶(hù)的需求導(dǎo)向，可以肯定的是，未來(lái)的車(chē)載語(yǔ)音交互必定是在人工智能浪潮的推動(dòng)下朝向更智能、更人性的方向邁進(jìn)。