人工智能的熱潮驅(qū)動(dòng)了整個(gè)行業(yè)的發(fā)展，智能語(yǔ)音作為最天然的交互手段，自然備受關(guān)注。在語(yǔ)音交互引起傳統(tǒng)交互變革的今天，智能車(chē)載領(lǐng)域成為了變革的先鋒，尤其是后裝市場(chǎng)，智能語(yǔ)音似乎已經(jīng)成為了車(chē)載場(chǎng)景交互的標(biāo)配。 

國(guó)內(nèi)專(zhuān)注智能語(yǔ)音的企業(yè)競(jìng)爭(zhēng)越來(lái)越膠著。阿里，語(yǔ)音客服儼然已成為剛需；百度，強(qiáng)大的搜索資源庫(kù)成為了百度語(yǔ)音的后備力量；科大訊飛，依托政府項(xiàng)目，在教育、醫(yī)療、智慧城市等領(lǐng)域也占據(jù)著市場(chǎng)優(yōu)勢(shì)；樂(lè)視推出樂(lè)樂(lè)語(yǔ)音，改變著樂(lè)視超級(jí)電視的交互方式；愛(ài)奇藝、360、等也都在紛紛涉足語(yǔ)音技術(shù)。專(zhuān)業(yè)的語(yǔ)音公司更是憑借著特色的解決方案，風(fēng)頭正盛。在這其中，交互方式的簡(jiǎn)單便捷，成為幾乎所有語(yǔ)音交互方案追求的一大效果。

講到語(yǔ)音交互的簡(jiǎn)單與便捷，思必馳于2016年10月20日升級(jí)版的AIO3.1新增的one-shot功能吸引了行業(yè)極大的關(guān)注。AIOS For Car是思必馳于2015年10月針對(duì)智能車(chē)載后裝市場(chǎng)推出的一款對(duì)話操作系統(tǒng)，主要應(yīng)用在車(chē)機(jī)、智能后視鏡、HUD，以及互聯(lián)網(wǎng)汽車(chē)等產(chǎn)品上。2016年6月，思必馳將其升級(jí)至AIOS3.0版本，新增7大功能， 10月20日，思必馳再次發(fā)力，升級(jí)至AIOS3.1版本，積淀許久的one-shot功能也終于揭開(kāi)神秘面紗。

one-shot一語(yǔ)即達(dá)

思必馳將one-shot功能描述為“一把說(shuō)”，這一描述也十分的生動(dòng)形象，貼近實(shí)際。

圖1 思必馳one-short一把說(shuō)

據(jù)悉，one-shot一把說(shuō)，采用“喚醒詞+語(yǔ)音語(yǔ)義識(shí)別”一體化方式，實(shí)現(xiàn)喚醒詞與語(yǔ)音操控之間零間隔、零延遲、無(wú)縫對(duì)接，摒棄傳統(tǒng)的一問(wèn)一答的形式，極大減少用戶(hù)語(yǔ)音操控的步驟，實(shí)現(xiàn)信息反饋，化繁為簡(jiǎn)，實(shí)現(xiàn)簡(jiǎn)便操作，但這樣的簡(jiǎn)便在設(shè)計(jì)之初卻并不簡(jiǎn)單。

one-shot的一大特點(diǎn)是識(shí)別喚醒與語(yǔ)義理解一體化，保證語(yǔ)音交互的統(tǒng)一性與連貫性，完成操控。舉個(gè)簡(jiǎn)單的例子來(lái)講，過(guò)去智能語(yǔ)音的交互方式為一問(wèn)一答，用戶(hù)發(fā)出喚醒詞指令，需要設(shè)備反饋待機(jī)信息，然后才能開(kāi)始交互，例如：

用戶(hù)：你好小馳（喚醒詞指令）

設(shè)備：有什么可以幫您？（設(shè)備反饋，表示處于信息接收狀態(tài)）

用戶(hù)：我要去機(jī)場(chǎng)

設(shè)備：開(kāi)始為您導(dǎo)航去機(jī)場(chǎng)

One-shot功能卻可以一語(yǔ)即中，實(shí)現(xiàn)“喚醒詞+語(yǔ)音語(yǔ)義識(shí)別”一體化，比如實(shí)現(xiàn)這樣的交互：

用戶(hù)：你好小馳，我要去機(jī)場(chǎng)

設(shè)備：開(kāi)始為您導(dǎo)航去機(jī)場(chǎng)

相比傳統(tǒng)，這樣的體驗(yàn)似乎更具效率。或許未來(lái)，在人機(jī)交互中，機(jī)器通過(guò)采集用戶(hù)的行為習(xí)慣數(shù)據(jù)，追蹤用戶(hù)意圖，實(shí)現(xiàn)如下的對(duì)話，也并非不可能：

甲：我一直有個(gè)問(wèn)題想問(wèn)你

乙：愛(ài)過(guò)…. 

系統(tǒng)響應(yīng)速度及精準(zhǔn)度始終是用戶(hù)關(guān)心的一大問(wèn)題。AIOS3.1中的one-shot功能采用本地+云端混合引擎模式。語(yǔ)音喚醒和常用的語(yǔ)音指令識(shí)別存儲(chǔ)在本地，系統(tǒng)接收反應(yīng)靈敏，語(yǔ)音識(shí)別能夠準(zhǔn)確及時(shí)的響應(yīng)。與此同時(shí)，連續(xù)語(yǔ)音識(shí)別和語(yǔ)義理解進(jìn)行云端處理，基于場(chǎng)景，收集用戶(hù)習(xí)慣數(shù)據(jù)，通過(guò)深度學(xué)習(xí)，分析并追蹤用戶(hù)意圖，保證語(yǔ)義理解精準(zhǔn)性。本地加云端的混合引擎處理，既保證了響應(yīng)速度也確保了交互的精準(zhǔn)，即使在沒(méi)有網(wǎng)絡(luò)的情況下，依然可以使用基本語(yǔ)音交互功能。

GUI圖形交互界面必然會(huì)繼續(xù)前進(jìn)變革，VUI語(yǔ)音交互界面是一大發(fā)展趨勢(shì)。思必馳one-shot功能的發(fā)布，展示了其在VUI產(chǎn)品交互設(shè)計(jì)的深度思考。相信，通過(guò)不斷的提升語(yǔ)音交互體驗(yàn)，VUI必然會(huì)在未來(lái)IOT行業(yè)的人機(jī)交互中引起越來(lái)越多的變革。

用技術(shù)說(shuō)話：研發(fā)實(shí)力是關(guān)鍵

很多車(chē)載后裝產(chǎn)品用戶(hù)反映一個(gè)問(wèn)題，就是使用車(chē)載語(yǔ)音時(shí)，說(shuō)“我要去天安門(mén)”，系統(tǒng)可以響應(yīng)，但是說(shuō)“去天安門(mén)”時(shí)，系統(tǒng)無(wú)反應(yīng)，這是為什么呢？實(shí)際上，這是因?yàn)橐恍┱Z(yǔ)音方案商將“我要去”三個(gè)字固化為喚醒詞，而“去”、“我想去”這類(lèi)詞與“我要去”不完全匹配，所以系統(tǒng)自然無(wú)法識(shí)別。這種交互方式，表面上被宣傳為“免喚醒”，實(shí)際上恰恰相反，系統(tǒng)通過(guò)采用大量喚醒詞來(lái)實(shí)現(xiàn)，這樣做導(dǎo)致誤喚醒率極高、增加系統(tǒng)資源占用、可擴(kuò)展性差，同時(shí)強(qiáng)迫用戶(hù)記憶，為用戶(hù)的安全駕駛帶來(lái)隱患。 

就此問(wèn)題，思必馳產(chǎn)品總監(jiān)雷雄國(guó)表示“思必馳用One-shot功能來(lái)解決這一問(wèn)題，用戶(hù)想怎么說(shuō)系統(tǒng)都可以理解，基于對(duì)應(yīng)用場(chǎng)景的深度學(xué)習(xí)，系統(tǒng)能夠通過(guò)后臺(tái)用戶(hù)數(shù)據(jù)采集，分析用戶(hù)行為習(xí)慣，準(zhǔn)確追蹤用戶(hù)意圖，克服刻板的關(guān)鍵詞識(shí)別，通過(guò)大詞匯數(shù)據(jù)，實(shí)現(xiàn)場(chǎng)景的流暢交互”。

實(shí)然，語(yǔ)音技術(shù)企業(yè)的核心競(jìng)爭(zhēng)力在語(yǔ)音技術(shù)研發(fā)實(shí)力、產(chǎn)品化落地及市場(chǎng)應(yīng)用著陸，成為企業(yè)生存之道。一些企業(yè)堅(jiān)持自主研發(fā)，一些企業(yè)善于使用國(guó)際開(kāi)源工具，比如，Google開(kāi)源深度學(xué)習(xí)系統(tǒng)Tensor Flow。該系統(tǒng)支持支持CNN、RNN和LSTM算法等流行的深度神經(jīng)網(wǎng)絡(luò)模型，大大降低深度學(xué)習(xí)的應(yīng)用難度，提升開(kāi)發(fā)速度。但通用的開(kāi)源工具有其效率和權(quán)限上的局限性，既無(wú)法滿(mǎn)足特定的前沿算法需求，也常常無(wú)法滿(mǎn)足用戶(hù)基于場(chǎng)景的個(gè)性化需求，不同專(zhuān)業(yè)領(lǐng)域的算法、數(shù)據(jù)、架構(gòu)等都要依托實(shí)際應(yīng)用進(jìn)行搭建及優(yōu)化。

目前國(guó)內(nèi)智能語(yǔ)音行業(yè)中，深耕技術(shù)研發(fā)的企業(yè)并不多，比如在深度學(xué)習(xí)方面，百度研究院推出Deep Speech系統(tǒng)，科大訊飛推出FSMNN算法模型，思必馳與上海交大聯(lián)合實(shí)驗(yàn)室則獨(dú)立擁有VDCNN算法模型和PSD解碼架構(gòu)。擁有獨(dú)立自主研發(fā)實(shí)力，才能結(jié)合產(chǎn)品特性、應(yīng)用場(chǎng)景，深度定制交互方案。

無(wú)論說(shuō)是新奇的one-shot功能，還是說(shuō)傳統(tǒng)的語(yǔ)音交互，在人工智能時(shí)代，只有技術(shù)落地轉(zhuǎn)化為良好的產(chǎn)品體驗(yàn)才能更好的繪出未來(lái)智能生活的景象，我們期待著更多新技術(shù)的發(fā)布，也期待著新技術(shù)給我們帶來(lái)的驚喜。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。