亞馬遜旗下的智能語音助手平臺(tái)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(chǎng)當(dāng)之無愧的明星。根據(jù)消費(fèi)者智能研究機(jī)構(gòu) CIRP（Consumer Intelligence Research Partners）發(fā)布的報(bào)告，截止 2016年11月21日，Echo系列在美國的銷量已經(jīng)達(dá)到510萬臺(tái)，實(shí)現(xiàn)了口碑、銷量雙豐收。在不久前舉辦的CES2017展會(huì)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(jī)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(tái)已經(jīng)擁有超過10000項(xiàng)“技能”（Skill）。而在一年前，這項(xiàng)數(shù)字才不過區(qū)區(qū)100多，Alexa的強(qiáng)化升級(jí)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(dú)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(yùn)行Android 7．0 Nougat和Android 6．0 Marshmallow的智能手機(jī)。作為亞馬遜最大的對(duì)手，谷歌在智能家居領(lǐng)域起步稍晚，2016年5月的I／O大會(huì)上與Echo對(duì)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(jī)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(qiáng)大安卓生態(tài)的谷歌接下來會(huì)將Google Assistant適配更多的安卓手機(jī)，以快速攫取智能語音市場(chǎng)。僅僅一個(gè)多星期，這一猜想便得到了印證。

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

首先，語音識(shí)別的準(zhǔn)確率仍有待提升。去年，在錘子科技的M1手機(jī)發(fā)布會(huì)上，CEO羅永浩高調(diào)地演示了錘子手機(jī)內(nèi)置的科大訊飛語音輸入法，并聲稱語音識(shí)別準(zhǔn)確略高達(dá)97％。不過，根據(jù)筆者實(shí)測(cè)來看，識(shí)別準(zhǔn)確率遠(yuǎn)低于這一數(shù)值。這是因?yàn)檎Z音識(shí)別技術(shù)對(duì)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(huì)對(duì)識(shí)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(shí)別技術(shù)的使用范圍仍十分局限，使用體驗(yàn)也仍有改善空間。

其次，在正確識(shí)別用戶發(fā)音的前提下，機(jī)器是否真的能夠理解用戶想要表達(dá)的真實(shí)含義呢？眾所周知，人類口語跟書面語言有著巨大差異，與計(jì)算機(jī)可讀的二進(jìn)制編碼或者字符序列更是天淵之別。把富有個(gè)性化的人類口語轉(zhuǎn)化成機(jī)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(duì)幾年前風(fēng)行過一陣的手機(jī)語音助手還有印象，彼時(shí)不少人熱衷于“調(diào)戲”Siri等手機(jī)語音助手，但很快便感到興味索然。因?yàn)檫@些語音助手一問十不知，實(shí)在太笨了。毫無疑問，幾年過去，Siri們已經(jīng)取得了巨大的進(jìn)步，但只要它們的出錯(cuò)率高于5％，對(duì)于用戶體驗(yàn)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(duì)著冰冷的機(jī)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(gè)性和感情聲音以及與人類交流時(shí)的親切感。

此外，人在與系統(tǒng)做交互的時(shí)候，能記住的信息只有10秒左右。舉一個(gè)常見的場(chǎng)景，撥打銀行的客服電話時(shí)，你必須集中精力聽語音播報(bào)，一旦被打斷就又得從頭聽一遍。這些都是我們?cè)谡娇缇痴Z音交互時(shí)代的大門前必須面對(duì)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(yuǎn)的未來都將得到解決。屆時(shí)，語音交互或許不是能夠應(yīng)對(duì)所有場(chǎng)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(chǎng)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(chǎng)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(yàn)已經(jīng)大大優(yōu)于手機(jī)APP和面板開關(guān)了。

我們有足夠的理由想象這樣一個(gè)場(chǎng)景：某個(gè)周日的早上，我們起床后，家里的智能音箱自動(dòng)給我們播報(bào)當(dāng)天的天氣狀況；冰箱里的牛奶只剩最后一盒時(shí)，語音助手會(huì)主動(dòng)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(shí)間送來，而你所要做的就是慢慢享用……