亞馬遜旗下的智能語音助手平臺Alexa及內(nèi)置了Alexa的智能音箱產(chǎn)品Echo，可謂過去一年里智能家居市場當(dāng)之無愧的明星。根據(jù)消費者智能研究機構(gòu) CIRP（Consumer Intelligence Research Partners）發(fā)布的報告，截止 2016年11月21日，Echo系列在美國的銷量已經(jīng)達到510萬臺，實現(xiàn)了口碑、銷量雙豐收。在不久前舉辦的CES2017展會上，Alexa又狠狠賺足了眼球。亞馬遜本身雖未參展，但內(nèi)置了Alexa語音助手的智能產(chǎn)品幾乎無處不在，其中包括LG推出的智能冰箱和家庭機器人Hub Robot。

盡管已經(jīng)取得了諸多成就，亞馬遜并未在探索智能家居交互方式的道路上止步。上周四亞馬遜宣布， Alexa智能語音助手平臺已經(jīng)擁有超過10000項“技能”（Skill）。而在一年前，這項數(shù)字才不過區(qū)區(qū)100多，Alexa的強化升級速度可謂驚人。如今，除了查詢天氣、播放音樂、創(chuàng)建任務(wù)、設(shè)置鬧鐘、發(fā)送消息之類的基本功能之外，Alexa還支持預(yù)訂外賣、Uber打車、控制家用電器等各種功能。

無獨有偶，亞馬遜宣布這一消息不久，谷歌便表示：從本周開始，Google助手將支持運行Android 7．0 Nougat和Android 6．0 Marshmallow的智能手機。作為亞馬遜最大的對手，谷歌在智能家居領(lǐng)域起步稍晚，2016年5月的I／O大會上與Echo對壘的Google Home才首度亮相。不過隨著Google Home學(xué)習(xí)Echo向第三方開發(fā)者開放后，谷歌加快了追趕的腳步。不久前有消息爆出，谷歌正在其智能手機Pixel中為智能語音程序“谷歌助手”Google Assistant添加新的功能，使得用戶可以通過Pixel用語音控制智能家居產(chǎn)品，就像使用谷歌智能音箱那樣。業(yè)界一直認(rèn)為，擁有強大安卓生態(tài)的谷歌接下來會將Google Assistant適配更多的安卓手機，以快速攫取智能語音市場。僅僅一個多星期，這一猜想便得到了印證。

從谷歌和亞馬遜快速推進的步伐來看，智能語音助手前景無限，一個屬于智能語音交互的時代正在迅速開啟。然而，我們必須清醒地認(rèn)識到智能語音交互技術(shù)仍然處在非常初級的階段。

首先，語音識別的準(zhǔn)確率仍有待提升。去年，在錘子科技的M1手機發(fā)布會上，CEO羅永浩高調(diào)地演示了錘子手機內(nèi)置的科大訊飛語音輸入法，并聲稱語音識別準(zhǔn)確略高達97％。不過，根據(jù)筆者實測來看，識別準(zhǔn)確率遠低于這一數(shù)值。這是因為語音識別技術(shù)對于環(huán)境的要求十分苛刻；背景噪音、口音、語速、特定領(lǐng)域的專有名詞等因素都會對識別準(zhǔn)確率造成顯著的影響。因此，在當(dāng)前技術(shù)水平下，語音識別技術(shù)的使用范圍仍十分局限，使用體驗也仍有改善空間。

其次，在正確識別用戶發(fā)音的前提下，機器是否真的能夠理解用戶想要表達的真實含義呢？眾所周知，人類口語跟書面語言有著巨大差異，與計算機可讀的二進制編碼或者字符序列更是天淵之別。把富有個性化的人類口語轉(zhuǎn)化成機器語言是一件十分浩大的工程，我們目前取得的成果尚十分有限。相信大家都對幾年前風(fēng)行過一陣的手機語音助手還有印象，彼時不少人熱衷于“調(diào)戲”Siri等手機語音助手，但很快便感到興味索然。因為這些語音助手一問十不知，實在太笨了。毫無疑問，幾年過去，Siri們已經(jīng)取得了巨大的進步，但只要它們的出錯率高于5％，對于用戶體驗的傷害便是無法挽回的。

當(dāng)然，即便所有的技術(shù)現(xiàn)在已經(jīng)足夠成熟，用戶們也沒做好接受它們的心理準(zhǔn)備。沒有人愿意對著冰冷的機器說話，然后得到毫無感情的的回應(yīng)。用戶希望從語音助手那里得到的，不僅僅是迅速準(zhǔn)確的反饋，還有富有個性和感情聲音以及與人類交流時的親切感。

此外，人在與系統(tǒng)做交互的時候，能記住的信息只有10秒左右。舉一個常見的場景，撥打銀行的客服電話時，你必須集中精力聽語音播報，一旦被打斷就又得從頭聽一遍。這些都是我們在正式跨境語音交互時代的大門前必須面對和解決的問題。

不過，我們也不必為此感到灰心和喪氣，隨著技術(shù)的飛速發(fā)展，大多數(shù)問題在不遠的未來都將得到解決。屆時，語音交互或許不是能夠應(yīng)對所有場景的唯一交互方式，但在腦波控制技術(shù)成熟之前，它必然是大多數(shù)場景下的最佳選擇。就目前而言，語音交互技術(shù)為我們提供了更多的選擇，而且在某些場景下，比如通過Echo智能音箱控制客廳的燈光，語音交互技術(shù)到來的用戶體驗已經(jīng)大大優(yōu)于手機APP和面板開關(guān)了。

我們有足夠的理由想象這樣一個場景：某個周日的早上，我們起床后，家里的智能音箱自動給我們播報當(dāng)天的天氣狀況；冰箱里的牛奶只剩最后一盒時，語音助手會主動詢問是否需要添購；得到肯定答復(fù)后，語音助手已經(jīng)安排快遞在約定好的時間送來，而你所要做的就是慢慢享用……