“Siri中文版”科大讯飞发布语音云平台(2)

　　柳传志也以自己的经历，勉励创业者保持“专注”：

　　身边很多朋友赚了很多钱，我也可以赚很多钱。当年96、97年民生银行投资的时候，我被认为最有可能第一个投资的，但我没投。据别人替我估算，如果当时投了那 1 亿多，现在的回报是 2000 多亿，我觉得我不必后悔，身边不断有这样的事儿出现，你说它是好事，它是坏事?这还真不好说，因为我投资赚了这笔钱以后，我也许会想去投房地产、去做别的更多的事，电脑这条路可能做不成，也许到最后什么都可能做不成。

　　李开复谈语音识别技术

　　李开复是第二名上场的嘉宾。众所周知，李开复是著名语音识别技术专家，谈到语音识别，当然少不了由他来现身说法。

　　事实上，在讯飞发布会之前，李开复曾在微博上对市面上存在的众多“中国 Siri”提出四个疑问：

　　1)智能手机主界面是手触，语音助手解决了什么真正用户需求和痛处?2)如何克服后台海量数据学习技术门槛?全球只有一个公司有这个技术。3)应用谁开发?自己开难扩张，用别人的应用整合不佳影响体验，4)语音服务器和带宽成本较大，如何克服?

　　今天发布会结束后，李开复更新微博：“讯飞语点推出后，2、4由讯飞解决了”。

　　事实上，在之前科大讯飞向爱范儿提供的独家稿件中，讯飞一一回答了四个问题，3 月 22 日发布会用实际产品进行了回应。详细内容见文末引用部分。

　　李开复的“炉边谈话”提供了很多“专家式”的内容。简单整理成问答形式如下。

　　问：我们看到讯飞语音识别的技术已经非常成熟，那么你认为“应用”的空间在哪里，未来语音识别技术还有什么挑战?

　　李开复：云端识别技术，讯飞已经解决了。“应用”在哪里?这并不是一些专家在实验室里拍脑袋就能想到的。大家可以来试，可以在讯飞的云平台上试一试，可能成功的会比较少，但能够摸索到成功的应用的概率也会增加。

　　语音技术方面，主要挑战还有三方面：

　　一、语音识别相对容易，但语义理解相对困难。让软件听懂容易，但理解会比较难。

　　二、如果能在一定程度上做到语义理解，那么怎么样让开发者介入不用太花时间?

　　三、用户体验的期望值。语音是人类最自然交流的方式——与多点触摸不同，一旦人们开始使用语音交互，会有比较大的心理预期：我爱怎么说就怎么说，你应该能理解，这是一个比较长久的挑战。这中间，应该有巧妙方式来降低这种感受。

　　问：语音技术里面，是不是使用的人越多，语音技术也会愈加成熟?

　　李开复：当然了，更多人参与，获得更多自动回馈，可以实现一个良性的正向循环方。一个人能力有限，一亿用户，每人使用 3 秒钟，就是 3 亿秒，这个数据量是庞大的。实际应用中，正确的输入可以被视作是“一次正确训练和学习”，吸收改进;一个错误的结果，比如订餐时识别错误取消订单，可以视作“不正确的学习”，同样吸收改进。

　　但这个比“听写”更困难：错了，是语音错了还是语义错了，或者其中一个正确、一个错误;对了，是语音对了语义对了，或者其中一个正确、一个错误。当回馈量大于累计量和使用量，可以让我们迈出一大步。

　　问：什么样的语音应用是用户期待和接受的?

　　李开复：我认为有三个方向。1，相对是语音识别，而非深度语义理解的应用，或者说“浅语义，深语音”。比如听写(Demo 中有提到教育领域的听写测试、KTV 评分、发短信、日程提醒)，——输入法也很重要，这个比较保险。

　　2，娱乐性应用，比如 Siri 这样的调侃调戏类应用。这种识别错了也无伤大雅，很爱使用。苹果很聪明，用调侃 Siri 录了很多语音，然后慢慢把真正的应用做好。

　　3，在一些“眼忙手忙”的场景，这个时候语音需求就会很大，比如驾车的时候，这时候是不能多点触控的，这算一个“刚性需求”的场所。

　　在这里我建议开发者：想把语音放进来的时候，不是那么容易，因为语音的 API 和语音的用户体验，比一般的 API 要难很多，比如百科全书类、地图、本地商家，O2O，线上模式拉来线下消费，因为有语义部分在里面，要花很多时间去把它调好，不能用简单的 API 随便联接起来。

　　附：科大讯飞对李开复“中国 Siri 路在何方”的回应稿件

　　第一，语音助手能够解决什么真正的用户需求?

　　大多数人提到 Siri，第一印象就是调戏 Siri，但如果一个产品只是用来“调戏”，那这个产品充其量只能算是玩具，而不是人们所必须使用的语音助手。所以，Siri 的定位应该是解决用户的真正需求和痛处。

　　可惜，目前 Siri 的模仿者大多视这个需求而不见，而是关注如何才能更好的“调戏”用户。相信只有真正做到解决用户需求的产品，才能够获得用户长久的喜爱，希望国内的开发者能够注意这个问题。

　　Siri 想要实用，就必须调用开放数据的平台，而中国却没有 Wolfram Alpha 这种引擎，所以中文 Siri 想要真正解决用户需求，只能一家一家去谈，比如找大众点评、百科等。这是创业公司做不来的，而大公司(百度、腾讯等)来做，可能又存在利益冲突。

　　第二，如何克服后台海量数据学习技术门槛?

　　虽然李开复老师说全球只有一个公司有这个技术，而我们也不知道这个公司具体是指哪一个。但据我了解，在语音识别方面，科大讯飞是做的不错的，讯飞语音输入法的识别率已经达到 85% 以上。而且他们的语音识别是基于云计算实现的，应该是具备数据学习能力的。

　　除了语音识别，还有一个难题是语义理解，这也是中文 Siri 的核心难题。让机器真正理解人的语言，这是一件很困难的事。就目前来看，苹果在英文方面都没有很好解决，不然也不会有用户要告苹果虚假宣传了。但苹果可以依靠“调戏”用户获得大量语料，然后学习后提升可用度。

原文转自：http://www.ltesting.net