口音對(duì)語(yǔ)音系統(tǒng)來(lái)說(shuō)是個(gè)難題

　　這年頭，什么都系不帶上智能元素，似乎都賣不出去了，就算再高端的家居互聯(lián)系統(tǒng)，如果不帶語(yǔ)音控制，照樣像段子里如來(lái)嘲笑玉皇大帝那樣被嫌棄。語(yǔ)音識(shí)別、語(yǔ)音控制對(duì)我們大家來(lái)說(shuō)都不算新鮮的東西，但這一功能現(xiàn)在更多的功能還是為了提升產(chǎn)品的逼格，而真正得到使用的少之又少。究其原因，還是不好用。

　　語(yǔ)音識(shí)別功能被廣泛普及 但使用者少之又少

　　智能生活、智能人機(jī)交互的理念在很早之前就被提出，甚至在不少影視作品中都出現(xiàn)了能夠直接通過(guò)語(yǔ)音控制的設(shè)備、系統(tǒng)，尤其無(wú)論使用者在多么嘈雜的環(huán)境中，語(yǔ)音識(shí)別系統(tǒng)都能快速、準(zhǔn)確的識(shí)別使用者的語(yǔ)音。

　　電影中的人工智能無(wú)論是對(duì)話還是講笑話無(wú)所不能

　　那么，我們現(xiàn)在的語(yǔ)音識(shí)別技術(shù)發(fā)展到了什么程度?現(xiàn)在確實(shí)有非常多的智能設(shè)備都使用了語(yǔ)音操控的功能，但是無(wú)論是蘋果的Siri還是亞馬遜的Alexa，亦或是各家廠商推出的智能設(shè)備，在宣傳自己產(chǎn)品時(shí)都宣稱自己的語(yǔ)音識(shí)別系統(tǒng)識(shí)別率多高，內(nèi)置了多少種語(yǔ)言，但在用戶使用時(shí)，會(huì)非常普遍的出現(xiàn)無(wú)法識(shí)別的問(wèn)題。并且這一問(wèn)題出現(xiàn)的范圍非常廣泛，不僅僅只發(fā)生在小廠家身上，前段時(shí)間一個(gè)美國(guó)用戶向亞馬遜投訴Alexa系統(tǒng)，原因是Alexa無(wú)法識(shí)別她母親稍帶口音的英文。

　　“罪魁禍?zhǔn)住盇lexa

　　為了驗(yàn)證這個(gè)問(wèn)題，筆者在辦公室里請(qǐng)同事們用方言、外語(yǔ)無(wú)限轟炸筆者的蘋果Siri，發(fā)現(xiàn)在設(shè)定普通話后，Siri完全無(wú)法識(shí)別各種方言，無(wú)論是閩南語(yǔ)、四川話、粵語(yǔ)甚至連與普通話非常相近的北京話也無(wú)法有效識(shí)別，就更不要提其他語(yǔ)種的語(yǔ)言了。

　　那么，為什么本應(yīng)該非常好用的語(yǔ)音識(shí)別系統(tǒng)變得這么弱?最主要的原因就是，方言和口音太多了，我們先不說(shuō)外語(yǔ)語(yǔ)系里都有多少種方言，就說(shuō)中國(guó)就有多少種方言?如果是與普通話比較相近的方言還好，真遇上如閩南語(yǔ)、紹興話、馬鞍山話之類比較難懂的方言，什么樣的語(yǔ)音識(shí)別系統(tǒng)都沒(méi)辦法。

　　從“倒鴨子”上就能看出口音對(duì)語(yǔ)音識(shí)別系統(tǒng)的影響

　　即使語(yǔ)音識(shí)別系統(tǒng)想收錄這些方言也不是一件簡(jiǎn)單的事兒，畢竟方言種類真的很多，光是大的語(yǔ)言分類就有官話、晉語(yǔ)、湘語(yǔ)、贛語(yǔ)、吳語(yǔ)、閩語(yǔ)、粵語(yǔ)、客語(yǔ)八種，每種大類方言下面又有多種區(qū)域性的方言，還有一些因?yàn)樽迦哼w移與地方方言結(jié)合的變種方言，單從數(shù)量上來(lái)講，收錄這些語(yǔ)言就是一項(xiàng)非常龐大的工作。但如果硬性要求所有的用戶都說(shuō)普通話，也是比較不現(xiàn)實(shí)的，首先中國(guó)普通話多少年了?在北京的街頭上依然能聽(tīng)到各種各樣的方言。另外，學(xué)習(xí)普通話，對(duì)于年輕人來(lái)說(shuō)可能不是什么太大的問(wèn)題，對(duì)于年齡稍大一點(diǎn)的用戶來(lái)說(shuō)，重新學(xué)習(xí)一種新的語(yǔ)言完全不現(xiàn)實(shí)。

　　陷入兩難境地的語(yǔ)音系統(tǒng)

　　從用戶使用的角度來(lái)說(shuō)，現(xiàn)有的語(yǔ)音識(shí)別系統(tǒng)存在較大的矛盾，年輕人能夠比較快的接受新生事物，對(duì)新出現(xiàn)的智能產(chǎn)品、系統(tǒng)能夠以較快的速度接受，語(yǔ)音識(shí)別系統(tǒng)對(duì)他們來(lái)說(shuō)只是一種讓操作更加快捷或更加節(jié)省時(shí)間的操作模式。而年齡較大的用戶，他們并不能較快的接受新的智能產(chǎn)品，在操作時(shí)會(huì)遇到各種各樣的問(wèn)題(各位想想，父母有沒(méi)有在我們回家的時(shí)候舉著手機(jī)說(shuō)有什么功能不會(huì)用了，讓我們教他們用)，他們會(huì)更加希望依賴操作和理解起來(lái)都比較簡(jiǎn)單的語(yǔ)音操作。但是上邊我們也說(shuō)過(guò)了，這些年齡較大的用戶在學(xué)習(xí)普通話這件事上同樣困難重重，所以本應(yīng)非常好用的語(yǔ)音系統(tǒng)對(duì)于他們來(lái)說(shuō)同樣不好用。

　　事實(shí)上 真正需要語(yǔ)音識(shí)別系統(tǒng)的是年齡較大的用戶

　　如果單獨(dú)是因?yàn)榭谝魡?wèn)題，現(xiàn)在這么多在研究語(yǔ)音識(shí)別系統(tǒng)的公司，如果合作起來(lái)，只要資源共享，這應(yīng)該不是個(gè)問(wèn)題。那么，制約語(yǔ)音識(shí)別發(fā)展的最主要原因來(lái)了，各家公司語(yǔ)音識(shí)別系統(tǒng)的源數(shù)據(jù)并不共享。語(yǔ)音識(shí)別中最重要的就是對(duì)語(yǔ)音的采集和分析，這是項(xiàng)工作量非常龐大的內(nèi)容，如果想要構(gòu)建支持不同口音的語(yǔ)音識(shí)別系統(tǒng)，這一工作量還將呈幾何倍數(shù)驟增。所以，即使是對(duì)于蘋果或亞馬遜這樣的超大型公司來(lái)說(shuō)，也不可能支持無(wú)限語(yǔ)種的采集和分析。因此，各家研究語(yǔ)音識(shí)別系統(tǒng)的公司對(duì)源數(shù)據(jù)的保密控制堪稱苛刻，想弄到其他公司的語(yǔ)音源數(shù)據(jù)也是根本不可能的。

　　語(yǔ)音采集是一項(xiàng)非常繁復(fù)的工作

　　除去口音問(wèn)題和源數(shù)據(jù)不共享的問(wèn)題，語(yǔ)音識(shí)別系統(tǒng)的分析能力和云計(jì)算能力也是嚴(yán)重制約語(yǔ)音發(fā)展的重要因素。當(dāng)用戶在使用語(yǔ)音系統(tǒng)時(shí)，設(shè)備端收集到語(yǔ)音，需要通過(guò)識(shí)別系統(tǒng)的云計(jì)算能力進(jìn)行運(yùn)算和分析。云計(jì)算能力和支持云計(jì)算的硬件、傳輸網(wǎng)絡(luò)都不是一個(gè)非常好解決的問(wèn)題，需要較長(zhǎng)時(shí)間的積累不斷完善優(yōu)化。

　　很多人都覺(jué)得現(xiàn)在使用的語(yǔ)音識(shí)別系統(tǒng)并不好用，完全達(dá)不到我們想象中那種能夠僅憑借語(yǔ)音就能實(shí)現(xiàn)所有操作，或者能夠幫我們節(jié)約大量時(shí)間的程度。更多時(shí)候，我們會(huì)感覺(jué)面對(duì)的不適一個(gè)智能的語(yǔ)音識(shí)別系統(tǒng)，而是家中聽(tīng)不懂我們?cè)谡f(shuō)什么的寵物或者小孩子，需要我們放慢語(yǔ)氣、用最標(biāo)準(zhǔn)的普通話、一遍一遍的和他們慢慢說(shuō)。不過(guò)別著急，現(xiàn)在的語(yǔ)音識(shí)別系統(tǒng)還真就是個(gè)孩子，它正在以非?？斓乃俣冗M(jìn)步著，相信不久以后，真正好用的語(yǔ)音識(shí)別系統(tǒng)就會(huì)出現(xiàn)在我們身邊。