最近，毕马威会计事务所在一份报告中预测：到2030年，银行的许多服务性工作岗位将消失，取而代之的是类似苹果公司Siri的智能语音系统。不管这一预测是否准确，智能语音技术进入我们的生活，已是事实。它在哪些领域能够取代人的工作？其应用前景如何？在发展过程中，还存在什么技术瓶颈？记者采访了上海交通大学和科大讯飞的专家。
同声传译将由机器来做
在近日举行的锤子手机发布会上，讯飞输入法有一段惊艳表现：在罗永浩讲完一大段不太标准的普通话后，这款软件几乎一字不差地记录下来，标点符号也基本正确。谈及准确率高的原因，科大讯飞上海分公司总经理程苏表示，讯飞输入法具有语音识别和语义识别功能，不但能把普通话、方言、外语的语音准确记录下来，还能通过语义识别技术进行“句读”，较为准确地使用标点符号。
与手机语音输入相比，会场语音记录的难度更大。因为在会场上有许多噪音，需要通过加混响、去混响等技术降低噪音，辨识出演讲者的语音，再把这些语音转换成文字。目前，国内这种产品已经成熟，能取代速记员。“按照‘每个字记录得是否准确’这个标准，速记员的准确率通常不超过80%，而讯飞的准确率达到95%。”程苏说。
他还透露，今年底，讯飞将发布一款能替代同声传译的产品。“届时，会场上将有两块屏幕，一块显示中文，另一块显示英文，让大家对机器同传的准确率一目了然。”据介绍，要实现机器同传，除了语音识别、语义识别技术外，还需机器翻译、语音合成两种技术。在专业性不强的会议上，机器同传已能取代人工，节省许多会务费用。而在专业会议上，这种系统需要前期接受大数据训练，标注出专业术语，这样在现场就能应付自如了。
据介绍，语音识别结合机器翻译的实用性很强。通过一些手机软件，用户能将多种外语以及我国少数民族语言的语音译成汉语，在一些交流场合，不再需要翻译人员的帮助。
科大讯飞工作人员在展示一款语音产品。来源：新华社
从“感知”向“认知”迈进
话务员、窗口服务员的工作也正在被智能语音系统取代。例如，拨打中国平安服务热线“95511”后，用户会听到语音提示，让他说出自己要办理的业务，说出后直接跳转到相应服务，不再需要按键。又如，中国移动的一些营业厅已引入语音交互机器人，让它们为用户办理各种业务。
尽管如此，上海交通大学计算机系教授、思必驰联合创始人俞凯表示，智能语音系统目前还只能取代部分语音交互服务岗位。其原因，是现实交流场景中，人们听到的大多是“非配合式语音”——表达得并不清晰，讲述的是复杂问题，常常需要多次交互，才能理解对方的意思。在这种场景下，目前的智能语音系统远没有达到应付自如的程度。为此，这一领域的科研人员正在从“感知”向“认知”阶段迈进，即在基本解决了语音识别问题后，着力增强这种系统的智能，使它们能更好地理解人类的自然语言。
苹果公司的作为，就反映了这一趋势。去年，该公司收购了英国公司VocalIQ，希望提高语音助手Siri的智能水平。在剑桥大学做科研时，俞凯参与创办了VocalIQ。这家公司开发的自然语言数据库能存储、学习用户的语音信息，实现对用户指令的准确识别，并给出相应的回复。“苹果手机刚推出Siri那阵子，很多人喜欢和Siri开玩笑，因为它时常答非所问。”俞凯说，只有借助更先进的语言认知系统，Siri才会变得更有用。
苹果手机Siri的智能有望升级。来源：环球网
物联网时代，语音是刚需
随着智能语音系统的认知能力越来越强，它的用途越来越广。另一方面，随着物联网时代的到来，智能语音交互将逐步成为人们生活中的“刚需”。俞凯分析说，我们已经历两个互联网时代——PC（个人电脑）互联网、移动互联网，在第一个时代，我们用键盘、鼠标输入信息；在第二个时代，通过手指触摸、虚拟键盘输入信息。由此可见，语音输入不是“刚需”，尽管一些智能语音软件的准确率很高，但用户比例还是比较低的。然而，人类即将迎来硬件物联网时代。在这个时代，许多智能硬件没有屏幕，即便有，在一些场景中也会离用户比较远，语音交互就会成为最便捷的操控方式。
为了满足这一未来需求，国内外很多企业正在垂直领域发力，开发具有更多智能功能的语音产品。科大讯飞、思必驰开发的车载系统，就是一个典型的垂直领域。在汽车里，驾驶员无法用手操作设备，语音操控的需求很大。据介绍，思必驰去年推出了可纠正、可打断的交互系统，用户能随时打断语音助手、纠正自己的错误。如在车上拨打电话时，用户说出号码后，语音助手重复这个号码时，用户可以打断它并进行修正（如说“不是135，是136”），而系统能理解这句话的意思。“我们希望在车载通话、听音乐等垂直领域不断取得突破，同时通过高校科研，提高系统在开放领域的语言认知水平，迎接物联网时代的到来。”俞凯说。
