前言：

　　自SIRI的问世以来，移动互联网领域便掀起了一股语音服务的热潮。国内外多家致力于语音语义识别研究专业的公司不断崛起，与此同时，各类语音服务软件、语音识别插件应运而生。从指尖转至舌尖，从手机到其他智能设备，给了人们无限遐想的空间，一场移动互联的人机交互变革由此爆发。

　　在近期发布的全新智能产品中，我们可以明显看到，语音识别已经不仅仅拘泥于掌上。例如近日热推的乐视超级电视，吸引了广大业内认识及消费者的关注，一款由语音服务作为主要操作方式的电视，不免成为各界关注的焦点。另外，大家熟识的Chrome浏览器的语音输入，以及福特汽车的人车交流，无不在彰显语音服务“贯彻”生活的新趋势。

　　近日，记者采访到云知声的CEO梁家恩先生，云知声作为一家新兴企业，在成立短短一年的时间里，已经成为语音业内颇有知名度和影响力的公司。对于语音服务的前景与猜想，梁家恩也有自己的看法。

　　提问：日前推出的语音服务产品越来越多，您认为语音技术的普及，将会给我们未来的生活带来哪些实质性的改变呢?

　　梁家恩：语音将会使人机交互更加自然、智能和高效。语言是人类交流中最重要、最自然的方式，所以语音技术的普及将引起人机交互方面最深刻的革命。这是一种更高效的人机交互方式，极大地提高了效率，同时降低了用户信息获取的难度和门槛。最直接的例子是，我想跟朋友说今晚约会地点。传统的手机交互方式是，需要点击手机菜单，选择新建信息，输入联系人，手指输入文字内容，发送……而通过语音助手，我们只需按下Home键或者线控上的按键，然后直接说“发短信给xx，今晚我们在xxx见面”即可。

　　提问：那么随着语音产品的广泛使用，未来在语音识别技术上还要面临哪些挑战呢?

　　梁家恩：目前语音识别的技术已经日趋成熟，比如云知声的识别技术在多数场合都能达到非常高的识别率。未来语音技术如果要获得更广阔的应用，挑战主要是几方面：第一个问题是更高的识别稳定性，就是针对很多特殊场合如多人说话场景、强噪音环境、重度口音方言影响、专业领域话题等;第二，是语义理解技术的进一步发展，支持更多领域、场景和任务，语音识别只是第一步，还需要理解识别出来的内容，否则语音识别就只能充当输入工具，不能作为交互手段;最后一个主要问题是要出现更多语音识别和语义理解技术的应用，挖掘除了SIRI之外的更多的应用形式，培养用户的语音交互习惯。出现百家争鸣的局面，才可能在进化中解决语音技术的实用化问题。

　　提问：中国的方言这么多，口音天南地北，语音如何才能做到精准识别?

　　梁家恩：在精准的数据建模能力足够的情况下，方言口音的覆盖只是一个数据积累问题，目前云知声的线上系统已经可以识别带各种口音的普通话，但纯方言识别目前都没有什么捷径，还需要积累更多的语音数据。云知声的普通话语音识别率已经超过93%，处于业内领先水平，方言语音识别的系统架构和算法，与普通话是完全一样的，只是训练数据上的差别。我们正在采集各种方言数据，包括英语、粤语等，在数据充足的情况下，精准的方言识别对云知声来说并不是什么难题。

　　提问：最近听说一个很流行的IT名词“深度神经网络”，这些和语音识别有没有直接的关系呢?对我们消费者来讲，又有什么作用呢?

　　梁家恩：“深度神经网络”是目前语音识别乃至整个模式识别和人工智能领域利用到的最新技术，相对于传统的“混合高斯模型”技术，能将语音识别的错误率降低30%以上。这30%的提升，对原先识别率就很高的用户来说，体验可能不那么明显，但是对原先识别准确率不是很高的用户来说，就特别有震撼力。大幅降低识别错误率，对消费者来说，无非是两个方面的影响：第一是需要更少的修改，大多数用户都会觉得以前识别不对的个别词现在可以识别准了;第二是则覆盖更多的用户，一些以前觉得识别根本不可用(识别率低于80%)的特定用户，现在也可以用的非常好了。

　　提问：我们可以大胆地设想一下：智能家电、物联网、机器人等等，未来语音市场的发展空间到底有多大?您觉得这样的生活我们还需要多久才能实现呢?

　　梁家恩：语音识别是一个各行各业都会应用的普遍技术，是智能交互的基础。不用想太远的未来，目前语音识别已经成功应用到智能家电上，比如最近云知声支持的乐视超级电视，语音就是其中的重要交互方式。大多数智能手机都已经内置了语音助手形态的应用，使得用户可以更方面更容易的操控手机、获取信息。在稍远一些的将来，所有的智能设备都将具有语音交互的能力，这个时间不会太久，我们认为5年以内就能达到。

　　提问：最后，我们现实中有哪些比较成功的案例，从专业角度来讲，也可以给广大开发者一些启示。

　　梁家恩：移动互联网方面比较成功的是“搜狗语音助手”，它可以让用户通过语音直接跟手机交互，比如控制手机的特定功能，查询周边、航班、天气等信息，甚至跟手机进行聊天消遣。另外就是最近比较火的乐视电视，云知声将语音助手根据电视领域进行了深度定制和融合，最直接的改变是将带密密麻麻各种按钮的传统遥控器变成了一个干净清爽的现代感遥控器，将智能电视的使用门槛降低到了老人小孩都可以简便使用的程度。另外，云知声最近推出的“语控精灵”也是一个典型的语音应用，可以用语音打电话、发短信、打开应用，用户根本不需要看屏幕，不管电话簿有几百还是几千个姓名，3秒钟就可以把电话拨打出去，效率极高。而且这个功能无需网络支持，是纯手机端的识别。

　　跟梁家恩聊完以后，我们可以感到，语音生活已经悄然而至，一场人机交互变革在不断进行中，期待着国内市场中能够有更多的语音服务提供商，带给我们更多全新体验。