通過利用深度學習技術進行自然語言的深度理解，一直是人們關注的焦點。聽音樂不需要自己查找，開燈不需要動手，空調能聽懂你的心聲……這些場景在很多影視作品中有所表現，也代表了很多人腦海中“智慧生活”的概念。基于此，在人工智能發展的熱潮中，自然語言處理成為了各大企業和科研機構角逐的戰場。

    目前，語音交互賽道已匯集了互聯網巨頭、知名硬件企業、電商平臺、傳統家電廠商以及各類人工智能初創公司，特別是近幾年以智能音箱為代表的語音交互產品在國內外的火爆，極大地激發了語音交互技術的應用和發展。

    多個領域均有應用落地

    近段時間，智能家居硬件中風頭最盛的無疑是小米AI音箱。此品一經推出，便在市場上引起了極大反響，被眾多媒體稱為“交互體驗最好的音箱”、“智能音箱界的擔當”、“目前‘最熱門’的智能硬件”……而在小編看來，小米AI音箱優秀，沒錯，但也沒到他們夸的這種程度。以小編周圍人的具體使用體驗來看，其語音識別能力并沒有特別突出，與目前市場上主流同類產品區別不大。它最大的優勢是在生態鏈方面，通過小米AI音箱，可以控制小米臺燈、小米掃地機器人、小米落地扇等配套家具設備。毫無疑問，這將使得人們距離智能生活更進一步。

    在汽車及智能移動設備領域，語音交互功能已經很普及。在開車的時候，人們往往騰不出手，也不應該騰出手去操作手機，這時候，車載語音就成了必需品，也成了車聯網標配。在當下這個智能互聯、無人駕駛被炒得火熱的時代，新車不帶點語音識別的黑科技，似乎都不好意思拿出手。福特的SYNC系統專為手機和數字媒體播放器配備的福特車載多媒體通信娛樂系統，是目前車載系統中采用語音交互技術的成功的案例，已經廣泛應用在福特多個系列汽車中。互聯網巨頭蘋果在其iPhone4S中推出智能語音助理應用Siri后，Google公司也在其安卓智能手機操作系統中推出了GoogleNow智能語音搜索及問答服務，微軟公司也將語音技術應用于WindowsPhone，三星也適時推出了Bixby。

    在金融領域。語音識別技術也有了用武之地。近日，中國建設銀行在上海黃浦區開設了一家自動化服務支行，由機器人為顧客服務。機器人裝配面部掃描識別軟件，可以解答顧客的大部分問題，解決普通高街銀行絕大部分的業務需求，同時還配備人工輔助服務以及其他專業服務，以滿足個性化需求。顧客由機器人接待，這些機器人通過語音識別功能，與人交流，解答顧客的問題。人工服務能做到的事，它們也能完成絕大部分，包括開戶、轉賬以及投資。

    此外，在新零售領域，智能語音技術的應用也在不斷擴展。比如2017年12月18日，科大訊飛和紅星美凱龍發布戰略合作計劃，未來由科大訊飛研發的智能導購機器人“美美”將在全國紅星美凱龍門店上市。

    除了語音交互之外，語音轉文字也是當前語音識別技術中的一大熱點。早先，這個功能是新聞工作者的最愛，用此功能整理采訪稿件、演講稿件能極大的提高工作效率，如今，這個功能正在被普通人接受，老人、懶癌發作的年輕人都可以使用此功能來替代打字。

    時至今日，資本的涌入、政策的扶持、市場的一再擴容，使得語音技術日益成熟，全球語音市場也迎來了一個應用落地的黃金發展期。根據相關統計數據顯示，2016年智能語音產業規模直逼60億元大關，2017年將破百億，同比增長69%左右。

    技術現狀并不能讓人滿意

    與語音識別在多個領域開枝散葉形成對比的是，語音識別技術的發展頗為緩慢，在這種形勢下，語音識別技術在實際應用中碰到了許多問題。

    現在有很多企業說自己的語音識別率已經達到了97%甚至是98%，但在實際應用中，效果并不能讓人滿意。舉一個比較有信服力的例子，IBMT.JWatson研究院開發的中文語音識別系統連續三年在美國DARPA主辦的競賽中名列第一，該系統在識別央視《新聞聯播》節目時，其錯誤率小于5%，但在識別其它內容時，差距非常大。在實際應用中，識別率主要受到以下幾個因素的影響：

    對于漢語語音識別，方言或口音會降低識別率。

    公共場所的強噪聲對識別效果影響甚大，即使是在實驗室環境下，敲擊鍵盤、移動麥克風都會成為背景噪聲。

    打斷問題，如果人在說話時有停頓，機器就不能很好的聯系上下文使語意通順。

    此處，還有“口語”問題。它既涉及到自然語言理解，又與聲學有關。語音識別技術的最終目的是要讓用戶在“人機對話”時，能夠像進行“人與人對話”一樣自然，而一旦用戶以跟人交談的方式進行語音輸入時，口語的語法不規范和語序不正常的特點會給語義的分析和理解帶來困難。

    語音識別的技術迭代

    此前，就有人指出口音、新詞匯等問題可以通過語音識別技術在實際應用中的數據采集來實現。隨著數據量的增加，這種問題都能得到解決。

    而另外諸如“打斷”等問題，便需要各種深度學習模型，如DNN、CNN、BLSTM（雙向長短時記憶神經網絡）等，以及新的算法，來逐步解決。

    技術使用起來往往需要一個迭代的過程的，需要先上線，然后在場景里收集數據去評估，優化模型，改善用戶體驗。經過幾輪迭代，才可以發揮最佳效果。其他AI技術也是相似的。今天很多AI技術的用戶很容易把技術的能力理想化，感覺一引入，就應該立竿見影的看到效果。看到實際效果不盡人意時，就會感覺有很大的落差，失望和放棄。誠然，智能語音技術已經達到廣發應用的水平，但在真正落地的時候，要充分認識到可能遇到的困難，有持久戰的思想準備。

    總結

    可以預測在近五到十年內，語音識別系統的應用將更加廣泛。各種各樣的語音識別系統產品將出現在市場上。人們也將調整自己的說話方式以適應各種各樣的識別系統。在短期內還不可能造出具有和人相比擬的語音識別系統，要建成這樣一個系統仍然是人類面臨的一個大的挑戰，我們只能一步步朝著改進語音識別系統的方向一步步地前進。至于什么時候可以建立一個像人一樣完善的語音識別系統則是很難預測的。就像在60年代，誰又能預測今天超大規模集成電路技術會對我們的社會產生這么大的影響。