語(yǔ)音助手鏖戰(zhàn)“全雙工”，車(chē)載會(huì)是一個(gè)好場(chǎng)景嗎?

導(dǎo)讀：顯然車(chē)載急迫需要全雙工等更多自然交互技術(shù)，但全雙工并不只會(huì)局限于車(chē)載。

圖片來(lái)自“123RF”

一方面，作為最接近自然交互的形式，全雙工已經(jīng)成為智能語(yǔ)音領(lǐng)域的“香餑餑”，各大AI語(yǔ)音巨頭都在積極布局。

另一方面，車(chē)載場(chǎng)景的人機(jī)交互需求也越來(lái)越強(qiáng)烈，在手沒(méi)有被完全解放的情況下，駕駛員們對(duì)更自由、更隨性、更解放的語(yǔ)音交互有著更強(qiáng)烈的需求，全雙工為應(yīng)用“剛需”。

與普通生活場(chǎng)景不同，車(chē)載環(huán)境的用戶(hù)手動(dòng)操作更加不便捷，而同時(shí)又往往有諸多功能操作(例如關(guān)窗、開(kāi)空調(diào))、生活服務(wù)(例如導(dǎo)航)、娛樂(lè)消遣需求(例如聽(tīng)歌)，多樣化需求更需要更連續(xù)的對(duì)話(huà)體驗(yàn)——如果每一個(gè)指令都要喚醒口令，不但用戶(hù)體驗(yàn)不佳，從旁觀(guān)者看，這種交互方式也頗有些尷尬。

與此同時(shí)，有限空間里的司乘對(duì)話(huà)，多人對(duì)話(huà)與人機(jī)交互疊加，加上駕駛環(huán)境的嘈雜，無(wú)疑對(duì)智能語(yǔ)音提出了更嚴(yán)峻的挑戰(zhàn)。

于是，迫切的用戶(hù)需求加上龐大的商業(yè)價(jià)值空間，以及車(chē)企這些年對(duì)產(chǎn)品創(chuàng)新的渴求，在這場(chǎng)全雙工的鏖戰(zhàn)中，車(chē)載語(yǔ)音場(chǎng)景不出預(yù)料成了玩家競(jìng)逐的焦點(diǎn)，全雙工+車(chē)載的“搭配”迎來(lái)廣闊的市場(chǎng)機(jī)會(huì)。例如，不久前的重慶智博會(huì)上，騰訊云小微就聯(lián)合騰訊車(chē)聯(lián)展示全雙工語(yǔ)音交互技術(shù)，讓用戶(hù)對(duì)車(chē)載語(yǔ)音助手有了更多的好感和期待。

巨頭鏖戰(zhàn)全雙工，也推動(dòng)“第三空間”競(jìng)逐走向臺(tái)前

目前為止，車(chē)載+全雙工落地應(yīng)用仍處于初期階段，技術(shù)研發(fā)與應(yīng)用適配同步進(jìn)行中。

1、車(chē)載全雙工，巨頭各有玩法姿勢(shì)

微軟在2018年3月底宣布“全雙工語(yǔ)音交互感官”已完成產(chǎn)品化落地，“長(zhǎng)程語(yǔ)音交互成為可能”，到2019年8月，又宣布全雙工語(yǔ)言交互技術(shù)已經(jīng)通過(guò)車(chē)載設(shè)備完成測(cè)試，已經(jīng)有了幾個(gè)測(cè)試合作汽車(chē)廠(chǎng)。

微軟的全雙工語(yǔ)音及其車(chē)載應(yīng)用是小冰項(xiàng)目的延續(xù)，第七代微軟小冰的重心之一是實(shí)現(xiàn)車(chē)載商用，逐步由“玩具”轉(zhuǎn)向現(xiàn)實(shí)價(jià)值，車(chē)載無(wú)疑是當(dāng)下最恰當(dāng)?shù)倪x擇。

而百度在押寶AI戰(zhàn)略的大方向下，全雙工技術(shù)的推廣十分積極。今年7月，小度助手升級(jí)的全雙工語(yǔ)音已經(jīng)在小度在家智能音箱產(chǎn)品上使用，且開(kāi)放賦能給更多智能硬件終端。

入局語(yǔ)音交互領(lǐng)域較早的科大訊飛，在2019年5月底發(fā)布了智能物聯(lián)網(wǎng)操作系統(tǒng)iFLYOS 2.0，也在多個(gè)領(lǐng)域開(kāi)始了全雙工交互技術(shù)的應(yīng)用嘗試。

今年8月，重慶智博會(huì)上，騰訊云小微全雙工語(yǔ)音技術(shù)也正式對(duì)外展示。依靠騰訊云小微這些年在語(yǔ)音技術(shù)上的深耕，選擇了最為“剛需”的車(chē)載場(chǎng)景率先落地全雙工交互技術(shù)，試圖從最符合用戶(hù)需求的駕駛場(chǎng)景打頭陣，然后進(jìn)行全域拓展。

車(chē)聯(lián)網(wǎng)與AI助手的結(jié)合，也是技術(shù)與生態(tài)基礎(chǔ)上的B+C的搭配，非常符合騰訊在ToB轉(zhuǎn)向過(guò)程中的一貫調(diào)性。

2、技術(shù)推動(dòng)下，第三空間正由概念走向?qū)嵺`

在很久之前，汽車(chē)就被認(rèn)為是家庭、工作之外的“第三空間”，在歐美等汽車(chē)文化濃郁的國(guó)家，車(chē)的第三空間價(jià)值十分明顯。

但在中國(guó)，日常出行的屬性仍然占據(jù)大頭，用戶(hù)進(jìn)入車(chē)內(nèi)，聽(tīng)音樂(lè)、導(dǎo)航、調(diào)空調(diào)……在不用重復(fù)喚醒的情況下，很自然完成一套操作……把全雙工放到車(chē)載場(chǎng)景中，如果從汽車(chē)角度看，本質(zhì)上是“第三空間”的一種強(qiáng)化。

拋開(kāi)技術(shù)，從具體場(chǎng)景實(shí)踐來(lái)看，巨頭們?cè)谌p工領(lǐng)域的布局和競(jìng)爭(zhēng)，也在推動(dòng)“第三空間”競(jìng)逐走向臺(tái)前，誰(shuí)能讓用戶(hù)真正體會(huì)到車(chē)上服務(wù)的便利，挖掘這個(gè)空間的用戶(hù)價(jià)值，誰(shuí)就能在車(chē)載場(chǎng)景中實(shí)現(xiàn)商業(yè)突圍，這本身也與汽車(chē)廠(chǎng)商求新、求變、謀求市場(chǎng)增量的需求相吻合。

第三空間的體驗(yàn)塑造，將面對(duì)用戶(hù)痛點(diǎn)的“三重區(qū)分”的挑戰(zhàn)

離開(kāi)汽車(chē)視角，從全雙工技術(shù)視角來(lái)看，其面臨的首要挑戰(zhàn)在于，如何在連續(xù)對(duì)話(huà)中還能擁有很高準(zhǔn)確率和響應(yīng)速度。

例如，從已有資料看，騰訊云小微的全雙工語(yǔ)音交互技術(shù)，在30秒到90秒的時(shí)間范圍內(nèi)(用戶(hù)自行設(shè)定)，一次喚醒即可實(shí)現(xiàn)連續(xù)對(duì)話(huà)，過(guò)程中用戶(hù)可以隨時(shí)打斷機(jī)器的回答。

而除了全雙工的特殊能力，騰訊云小微可實(shí)現(xiàn)車(chē)載復(fù)雜噪聲環(huán)境下喚醒率97%以上，語(yǔ)音識(shí)別準(zhǔn)確率96%以上，意圖理解準(zhǔn)確率高達(dá)98%。

這里不去對(duì)比這些數(shù)字的優(yōu)劣，畢竟多數(shù)語(yǔ)音助手都能拿出還不錯(cuò)的成績(jī)，但它們至少說(shuō)明“全雙工”交互下，準(zhǔn)確率仍能保持高水準(zhǔn)。不過(guò)，在汽車(chē)有限的第三空間里塑造用戶(hù)體驗(yàn)，語(yǔ)音助手們還有三大硬骨頭要啃——實(shí)現(xiàn)用戶(hù)的三種“區(qū)分”需求。

1、在幾何級(jí)技術(shù)難度升級(jí)的基礎(chǔ)上，區(qū)分“情境”

騰訊云小微稱(chēng)包括播放音樂(lè)、導(dǎo)航、查股票、查天氣等眾多服務(wù)在內(nèi)，用戶(hù)都可以通過(guò)語(yǔ)音指令，跟車(chē)機(jī)一次喚醒、連續(xù)應(yīng)答、自然交互，這其中涉及一個(gè)很重要的問(wèn)題：跨情境的全雙工服務(wù)。

目前的車(chē)載語(yǔ)音助手已經(jīng)可以做到在一定場(chǎng)景內(nèi)免喚醒，例如常用的聽(tīng)音樂(lè)，想聽(tīng)A歌曲又反悔，想聽(tīng)B歌曲，機(jī)器自動(dòng)識(shí)別不需要用戶(hù)多次喚醒。

而當(dāng)場(chǎng)景需求延展后，全雙工語(yǔ)音技術(shù)就不得不面臨既要連續(xù)、又要跨情境“思考”的挑戰(zhàn)，而這又幾乎是汽車(chē)體驗(yàn)的必須，內(nèi)容、導(dǎo)航、查詢(xún)、設(shè)備控制……區(qū)分場(chǎng)景是“全雙工”的必要技能。

很明顯，即便是人的溝通在轉(zhuǎn)換話(huà)題時(shí)也需要適應(yīng)，機(jī)器在面臨這種情境跨越的全雙工語(yǔ)音時(shí)，其難度是乘法級(jí)的幾何提升，而非僅僅做疊加而已。

2、在復(fù)雜的對(duì)話(huà)環(huán)境中，區(qū)分“人”

與歐美不同，在當(dāng)下中國(guó)汽車(chē)文化中，家庭單位屬于仍然強(qiáng)于個(gè)人單位，“每家都有車(chē)”而不是“每人都有車(chē)”。很多時(shí)候，車(chē)中不只有司機(jī)，而肯定有副駕駛等其他乘客。

所謂“第三空間”不只是為司機(jī)服務(wù)，也為所有乘客服務(wù)。

對(duì)車(chē)載全雙工而言，這又帶來(lái)一個(gè)特殊的問(wèn)題，如何讓不同的人有屬于自己的完整體驗(yàn)。如果把全雙工比作一個(gè)人，與之溝通時(shí)，司機(jī)或乘客肯定都希望他與自己的溝通是完整的。

從當(dāng)前的解決方式來(lái)看，行業(yè)主要采用多音區(qū)設(shè)置：主駕喚醒之后，都是聽(tīng)主駕的聲音，副駕的喚醒后，都是聽(tīng)副駕的語(yǔ)音，理論上，另一個(gè)人要接入全雙工交互，必須重新喚醒，才可以開(kāi)啟自己的完整對(duì)話(huà)體驗(yàn)。嚴(yán)格來(lái)說(shuō)，這是通過(guò)物理設(shè)置的替代性方案，并非機(jī)器對(duì)不同聲音的完全識(shí)別，而是通過(guò)聲音的來(lái)源區(qū)分“人”。行業(yè)內(nèi)也正在發(fā)展的“聲紋識(shí)別技術(shù)”，直接辨別不同的用戶(hù)，或才是未來(lái)更為徹底的解決方案，不過(guò)這仍需要等待。

3、在豐富多樣的服務(wù)中，區(qū)分“需求”

智能語(yǔ)音從一開(kāi)始就是兩條腿走路：前端聽(tīng)懂用戶(hù)說(shuō)了什么，后端根據(jù)用戶(hù)的個(gè)性化需求推薦給不同的內(nèi)容、服務(wù)，或者執(zhí)行某些操控指令。

放到車(chē)載全雙工這里，其實(shí)問(wèn)題拓展到了兩個(gè)層面：

怎么聽(tīng)懂是對(duì)機(jī)器說(shuō)的，而不是對(duì)其他人說(shuō)的(比如人和人聊天)，不要誤解用戶(hù)的需求;

在確定是對(duì)機(jī)器的需求后，如何實(shí)現(xiàn)更為個(gè)性化的服務(wù)輸出，畢竟，如果用戶(hù)想吃點(diǎn)喜歡吃的，你隨便導(dǎo)航到了一個(gè)用戶(hù)不喜歡的店子，或者甚至用戶(hù)想要去放松一下，你給導(dǎo)航到了公司，這樣的連續(xù)交互也就失去了意義。

前者需要語(yǔ)音識(shí)別能力的極大加強(qiáng)，它還有許多細(xì)節(jié)需要用技術(shù)實(shí)現(xiàn)，例如騰訊云小微稱(chēng)其借助云端大腦，不但能理解用戶(hù)的話(huà)哪些是需要響應(yīng)的指令，哪些只是用戶(hù)對(duì)別人說(shuō)的話(huà)，這其中同樣涉及復(fù)雜場(chǎng)景需求問(wèn)題，懂更多還要區(qū)分是不是需求，挑戰(zhàn)進(jìn)一步升級(jí)。

后者，本質(zhì)上可以視為個(gè)性化推薦機(jī)制的延續(xù)，考驗(yàn)的語(yǔ)音助手背后的平臺(tái)數(shù)據(jù)能力，如何在盡可能短的時(shí)間內(nèi)了解眼前的用戶(hù)，為其提供定制化服務(wù)，強(qiáng)化全雙工的“實(shí)質(zhì)”支撐，而不是只有花架子。騰訊云小微打出“懂你所需”的旗號(hào)，通過(guò)訓(xùn)練后推送定制化服務(wù)內(nèi)容，這是全雙工技術(shù)的行業(yè)必然，只是看誰(shuí)能更為準(zhǔn)確。

對(duì)用戶(hù)而言，同樣是自然的交互，如同與人交流一樣，與一個(gè)“懂你所需”的全雙工語(yǔ)音助手交互，就像是熟人聊天，而與無(wú)法實(shí)現(xiàn)定制化服務(wù)輸出的機(jī)器交互，就像是在和陌生人聊天，其體驗(yàn)差距無(wú)需多言。

全雙工語(yǔ)音助手趨勢(shì)不可避免，車(chē)載只是拼圖的一塊

幾乎不會(huì)有人否認(rèn)，語(yǔ)音助手是人機(jī)交互必然趨勢(shì)。經(jīng)過(guò)幾年的發(fā)展，在巨頭們的努力下，越來(lái)越高的語(yǔ)音識(shí)別準(zhǔn)確率，各平臺(tái)飚出的準(zhǔn)確率指標(biāo)，本身就證明機(jī)器的“聽(tīng)見(jiàn)”和“聽(tīng)懂”已經(jīng)逐步實(shí)現(xiàn)，剩下的是不斷完善的過(guò)程。

而“智商”問(wèn)題一旦接近解決，“情商”問(wèn)題就走向臺(tái)前，讓機(jī)器更貼近人，實(shí)現(xiàn)人性化、情感化，是語(yǔ)音助手必然的趨勢(shì)。

于是，全雙工等新技術(shù)不斷涌現(xiàn)。幾乎可以肯定的是，在未來(lái)，一方面全雙工必然要突破參數(shù)瓶頸，例如沒(méi)有30秒、90秒的區(qū)分，而是無(wú)限連續(xù)同時(shí)準(zhǔn)確識(shí)別需求，就是如科幻片機(jī)器人管家那樣的無(wú)縫交互，這是語(yǔ)音助手發(fā)展的必然;另一方面，更多其他的科技將不斷涌現(xiàn)，例如多模態(tài)識(shí)別，將聲音、圖像、環(huán)境等諸多因素整合來(lái)與用戶(hù)自然交互。

而顯然，雖然車(chē)載急迫需要全雙工等更多自然交互技術(shù)，但全雙工并不只會(huì)局限于車(chē)載。幾乎所有巨頭的全雙工技術(shù)的“理想”都是全場(chǎng)景應(yīng)用，即便是騰訊云小微選擇以車(chē)載為典型，未來(lái)也必將在全領(lǐng)域發(fā)力——到目前為止，在出行領(lǐng)域之外，騰訊云小微憑借全棧AI能力及騰訊豐富的內(nèi)容和服務(wù)生態(tài)，在文旅、政務(wù)、教育、智能硬件等多個(gè)領(lǐng)域都有涉獵。

以硬件為例，騰訊云小微AI應(yīng)用解決方案已經(jīng)輸送到機(jī)器人、智能電視、智能音箱、智能空調(diào)等多個(gè)品牌多款產(chǎn)品中，而且百度、科大訊飛、阿里等玩家都在積極布局。

可以說(shuō)，車(chē)載是全雙工最熱的局部戰(zhàn)場(chǎng)，未來(lái)的全雙工將是全領(lǐng)域的戰(zhàn)爭(zhēng)，屆時(shí)，當(dāng)物聯(lián)網(wǎng)真正全面落地時(shí)，汽車(chē)這樣的第三空間將融入一個(gè)相互連接、不分彼此的“唯一空間”，車(chē)載全雙工與家居、工作全雙工聯(lián)動(dòng)，人與虛擬數(shù)字世界將實(shí)現(xiàn)無(wú)縫對(duì)接，一起拭目以待吧。