随着亚马逊、京东、阿里先后发布智能音箱,10月份苹果收购VocalIQ和谷歌战略入股出门问问,盘点一下今年的语音交互市场,真是异常的热闹。那么,语音交互技术真的就像市场上热捧的那样走入了智能时代吗?

　　实际上我想这个问题大家都心知肚明,资本市场的热闹也不过是各个巨头的布局,甚至是其他用意而已。不管是微软的小冰、百度的小度,还是科大讯飞的语音识别、出门问问的语音助手,仅仅还都是停留在对简单问题的理解和回答,而即便这些也是依靠大量数据训练而成的,这种训练有时候甚至是开了玩笑,比如我们真的需要大量的“调戏”语言训练出来的结果吗?深度神经网络曾经极大促进了语音识别的发展,但是目前来看,要想解决复杂问题和逻辑推理还是存在极大的难度。

　　另外还有重要的一点,语音交互方面的用户黏性还是非常差的,比如我们一天会用几次Siri(苹果手机语音控制软件)或者出门问问呢?而提高用户黏性的最大挑战就是要找到一种既能满足用户需求又能保证技术实现的产品形态。用户需求自然是很明显的,我们希望的是让我们能够自然聊天的产品,但是现在技术上实现真是太难了,不仅是语音识别和情感合成的本身难度,而且还包括了噪声干扰、方言混合以及远程拾音等等问题。