歷史上的前車之鑒 車內(nèi)語音識別靠譜么

成功BEV6 參考價(jià)：11.98萬

查看參配 獲取底價(jià)

購置稅優(yōu)惠 經(jīng)銷商報(bào)價(jià) 車主點(diǎn)評

1920年，一只名叫“無線電雷克斯”的玩具狗可能是最早的語音系統(tǒng)識別器。當(dāng)狗的名字被叫時(shí)，它會跳出它的底座。1992年，時(shí)任蘋果電腦公司語音組經(jīng)理的李開復(fù)，用一個(gè)叫卡斯珀的語音助手，讓語音控制在電腦上實(shí)現(xiàn)文字輸入、字體大小變化、開/關(guān)程序等操作，驗(yàn)證了語音控制可以實(shí)現(xiàn)更智能的操作，有能力替代傳統(tǒng)輸入。2021年，在語音識別技術(shù)誕生近100年后，仍然不成功，甚至“徹底失敗”。

2000年是一個(gè)關(guān)鍵的時(shí)間點(diǎn)，語音識別系統(tǒng)開始大規(guī)模進(jìn)入各類產(chǎn)品，包括汽車。然而，到目前為止，語音控制系統(tǒng)在技術(shù)產(chǎn)品和車內(nèi)交互應(yīng)用方面都沒有取得令人滿意的體驗(yàn)。但現(xiàn)在這項(xiàng)技術(shù)已經(jīng)“沉寂”了很多年，現(xiàn)在在新能源概念車中被很多新興車企拿出來，再加上“AI技術(shù)”等各種標(biāo)簽，冷飯又被復(fù)制了。

回顧早期，語音識別的準(zhǔn)確性問題成為人們不信任這項(xiàng)技術(shù)的主要原因。然而，隨著技術(shù)的發(fā)展，準(zhǔn)確率和聯(lián)想能力都在提高，但這種互動模式的使用率仍然遠(yuǎn)遠(yuǎn)低于傳統(tǒng)模式。想一想，在最常見的場景中，你真的能用到智能手里的聲控嗎？

猜一猜:在什么情況下我們會使用語音控制？

首先我們來思考一下在什么情況下需要使用語音操作，或者在什么情況下語音操作會取代傳統(tǒng)的觸摸操作。是辦公室嗎？好吧，走在路上？回家？還是坐私家車？我想無論在任何環(huán)境下，除非你無法或者懶得使用傳統(tǒng)操作，你都會嘗試使用語音控制，但這種情況在我們現(xiàn)在的生活中絕對不是高頻。

語音控制自出現(xiàn)以來，在交互創(chuàng)新的層面上并不能讓我們感到驚訝，因?yàn)楹芏鄷r(shí)候它的交互效率并不比傳統(tǒng)的輸入操作高，無論是在移動設(shè)備還是汽車上。在早期，我們需要通過按下“語音控制按鈕”來輸入語音命令?，F(xiàn)在雖然增加了語音喚醒命令，但是在提高運(yùn)行效率空之間很難改變局面。

目前，在快節(jié)奏的生活中，所有技術(shù)產(chǎn)品都有必要用低學(xué)習(xí)成本換取高效率的體驗(yàn)。很多人不愿意做深度閱讀，靠短信獲取信息，不喜歡坐在電腦前玩游戲，而是拿起手機(jī)。人們越來越不愿意付出，卻希望獲得更簡單更輕松的收獲體驗(yàn)。語音識別在這方面還有不可克服的困難。

猜想二:以智力為口號，卻靠“沒有智力”生存。

我們再想想。很明顯，語音交互的效率不如傳統(tǒng)操作，但為什么偶爾會用到呢？我們在這里有一個(gè)大膽的猜測:一項(xiàng)標(biāo)榜智能的技術(shù)，恰恰相反，因?yàn)椤安粔蛑悄堋保屛覀冏孕诺厥褂盟?/p>

除了提高效率，人們對接受新技術(shù)有信任感也非常重要。記得有一部科幻電影，女主人想教機(jī)器人完美識別人聲并準(zhǔn)確執(zhí)行，從而無限制地放開機(jī)器人的自學(xué)習(xí)模式。最后，機(jī)器人不僅有識別能力，還有情感轉(zhuǎn)化，可以偷聽，可以講故事，甚至可以吃醋。

目前，我們可以大膽地使用語音識別技術(shù)，因?yàn)樗粔蚵斆?，不夠愚蠢，只能單?dú)接受信息和轉(zhuǎn)換。它沒有學(xué)習(xí)和思考的能力，甚至依賴精確的語句來實(shí)現(xiàn)。而如果一旦語音識別具備了自我學(xué)習(xí)能力，你對它的信任度會和現(xiàn)在一樣嗎？

在其他客觀方面，語音識別仍然不夠智能。比如跨語言識別和多輪交互識別就是一直卡在這項(xiàng)技術(shù)中的難題，這也是語音交互與傳統(tǒng)輸入交互效率的差異。同時(shí)，語音交互的“回刪處理”也不好。一旦我輸入了錯(cuò)誤的命令，語音系統(tǒng)也會運(yùn)行不正常，導(dǎo)致你不得不重新輸入，讓人覺得很煩。

猜想:打破固有的操作習(xí)慣。

提供足夠高的轉(zhuǎn)換效率是所有創(chuàng)新產(chǎn)品成功的必要條件之一，但絕不是唯一的條件。人們并不是一直都需要隱私，各種技術(shù)也在為隱私做創(chuàng)新，比如降噪耳機(jī)等等。然而，語音輸入顯然直接破壞了交互模式的私密性。國外研究機(jī)構(gòu)曾將這種毀滅感稱為“羞恥”。的確，即使你一個(gè)人在車?yán)?，你還是不想沖著空大喊:酷！大風(fēng)！恒溫！

因此，語音識別要想挑戰(zhàn)傳統(tǒng)交互，還需要做更多的創(chuàng)新。比如谷歌在今年的開發(fā)者大會上提出了一個(gè)新的理論:既然我們不想“主動培養(yǎng)”語音交互習(xí)慣，技術(shù)能從“被動培養(yǎng)”發(fā)展起來嗎？

谷歌理論在現(xiàn)實(shí)中的應(yīng)用會是這樣的。比如你還是用傳統(tǒng)的方法輸入指令，但指令的轉(zhuǎn)換會通過語音方式向?qū)Ψ奖磉_(dá)或執(zhí)行。例如，如果你想在周三去理發(fā)店，并在備忘錄中記錄這條消息，那么語音系統(tǒng)可以主動打電話來幫助你在理發(fā)店預(yù)訂。比如你在開車的時(shí)候收到一條短信，為了不影響你的安全駕駛，語音系統(tǒng)會幫你屏蔽鈴聲，提醒你對方的身份，并通過將文字轉(zhuǎn)換成語音的方式向你報(bào)告。

因?yàn)槲覀冋娴暮茈y去積極培養(yǎng)一個(gè)新的習(xí)慣，就像現(xiàn)在全球還有大量的Windows用戶不愿意學(xué)習(xí)Win10系統(tǒng)，繼續(xù)使用Win 7甚至Win XP一樣。雖然前者在效率和功能上遠(yuǎn)遠(yuǎn)超過了后者，但改變習(xí)慣可能是人類本能的一大“硬傷”。

總結(jié):顛覆性的互動體驗(yàn)會帶來顛覆性的變化。

十年前，觸摸屏技術(shù)徹底顛覆了一代產(chǎn)品，無論是手機(jī)還是汽車，為人類提供了一種真正全新的交互方式。除了提高效率和準(zhǔn)確性，觸控還在其他維度上提供了不可估量的創(chuàng)新空，比如UI系統(tǒng)，因此可以稱之為顛覆性技術(shù)，但顯然語音交互不具備這種能力。同樣，應(yīng)用于車輛的手勢交互現(xiàn)在似乎比語音識別更尷尬。

下一個(gè)也能帶來顛覆性互動的技術(shù)會是什么？眼控或者腦電波傳輸，但無論任何一種，它都應(yīng)該有能力挑戰(zhàn)以上三種猜測。它的到來絕對會是整個(gè)產(chǎn)品線的一次革命。但對于下一輪汽車技術(shù)的前景，我真的不看好空語音交互會帶來多大的創(chuàng)新。顯然，這條路線只能作為一些汽車公司炒作噱頭的手段。

點(diǎn)擊此處了解詳情。