侃科技頻道 · 袁喜樂(lè)

語(yǔ)音行業(yè)在2000年左右,迎來(lái)了第一個(gè)產(chǎn)業(yè)高潮,起因是1997年IBM推出了一款語(yǔ)音錄入軟件ViaVoice。

當(dāng)時(shí)人們把這個(gè)軟件安裝到PC上,就可以在計(jì)算機(jī)前面朗讀報(bào)紙或者新聞內(nèi)容,或者錄入一些簡(jiǎn)單的日常用語(yǔ),識(shí)別率也還不錯(cuò)。于是工業(yè)界有了一次大規(guī)模連續(xù)語(yǔ)音識(shí)別的產(chǎn)業(yè)化應(yīng)用的熱潮。

但由于當(dāng)時(shí)PC是一個(gè)固定的環(huán)境,消費(fèi)者已經(jīng)習(xí)慣了鍵盤(pán)打字而不是對(duì)著屏幕說(shuō)話,ViaVoice并沒(méi)有獲得廣泛認(rèn)可。最終IBM于2003年將這個(gè)產(chǎn)品賣(mài)了。

但語(yǔ)音識(shí)別的產(chǎn)業(yè)化應(yīng)用熱潮卻并沒(méi)有停止。4月12日,微軟公布了公司歷史上第二大金額的收購(gòu)案,目標(biāo)是語(yǔ)音識(shí)別巨頭Nuance Communications,交易價(jià)值達(dá)197億美元。

有意思的是,Nuance正是蘋(píng)果Siri語(yǔ)音分析背后的技術(shù)供應(yīng)商。

而幾乎是同一時(shí)間,在大洋彼岸百度和羅技也宣布了一場(chǎng)圍繞語(yǔ)音識(shí)別的戰(zhàn)略合作。

4月13日,百度正式發(fā)布“語(yǔ)音輸入服務(wù)”并宣布百度大腦和羅技達(dá)成合作,將領(lǐng)先的AI技術(shù)全面賦能羅技外設(shè)硬件,首款產(chǎn)品即是羅技即將發(fā)售的VOICE M380「智能鼠標(biāo)」。這款鼠標(biāo)嵌入了百度AI技術(shù),支持多國(guó)語(yǔ)言語(yǔ)音輸入、中英自由說(shuō)和智能翻譯等創(chuàng)新功能。

某種意義上,這可以看作是ViaVoice的一種精神繼承,也是對(duì)微軟收購(gòu)Nuance的價(jià)值肯定。

1

百度AI全面賦能羅技硬件

ViaVoice被變賣(mài)的6年后,語(yǔ)音技術(shù)產(chǎn)業(yè)應(yīng)用迎來(lái)了第二波高潮,這一波熱潮以互聯(lián)網(wǎng)需求和實(shí)現(xiàn)為基礎(chǔ)。今天我們隨處可見(jiàn)的機(jī)器對(duì)話,也是在這一波高潮的基礎(chǔ)之上發(fā)展而來(lái)。

如今我們常在社交媒體上看到,一個(gè)大學(xué)生利用簡(jiǎn)單工具+一塊芯片的結(jié)構(gòu),就能設(shè)計(jì)出可以語(yǔ)音操控的DIY設(shè)備。

當(dāng)技術(shù)進(jìn)步、產(chǎn)業(yè)成熟、消費(fèi)者習(xí)慣養(yǎng)成、交互認(rèn)知足夠以及場(chǎng)景需求等等因素疊加,使得語(yǔ)音交互有了快速發(fā)展的沃土。

這些都可算作是百度AI對(duì)羅技產(chǎn)品賦能的充分條件,也是羅技迫切實(shí)現(xiàn)產(chǎn)品智能化的來(lái)由。

但落實(shí)到具體產(chǎn)品上,有兩個(gè)不能忽視的因素:

在鼠標(biāo)上加入「語(yǔ)音識(shí)別服務(wù)」模塊,對(duì)技術(shù)提供商的水平要求很高;

融合語(yǔ)音識(shí)別服務(wù)的傳統(tǒng)輸入設(shè)備,是滿(mǎn)足需求還是創(chuàng)造需求。

簡(jiǎn)單點(diǎn)說(shuō),「智能鼠標(biāo)」作為一個(gè)「新物種」,我們要重點(diǎn)關(guān)注的就兩個(gè)方面:好不好用和誰(shuí)會(huì)用。

先說(shuō)第一個(gè)因素。VOICE M380支持中、英、日三國(guó)語(yǔ)言,同時(shí)也支持中英文自由夾雜語(yǔ)音輸入,以及7種方言的混合語(yǔ)音輸入。同時(shí),VOICE M380支持中譯英、中譯日、中譯韓、中譯法、中譯西、中譯泰、英譯中、日譯中8種語(yǔ)音翻譯。

從功能上看,VOICE M380基本覆蓋了日常生活、學(xué)習(xí)、商務(wù)等場(chǎng)景的語(yǔ)音和翻譯需要。從語(yǔ)音識(shí)別服務(wù)的技術(shù)內(nèi)核看,這一次百度是將百度大腦的優(yōu)勢(shì)技術(shù)語(yǔ)音識(shí)別和機(jī)器翻譯功能拿出來(lái)優(yōu)先賦能羅技,其2019年百度推出并上線使用的流式多級(jí)的截?cái)嘧⒁饬δＰ蚐MLTA,已經(jīng)令中文語(yǔ)音識(shí)別率達(dá)到98．6%,且可以同時(shí)實(shí)現(xiàn)中英文混合識(shí)別、方言混合識(shí)別。

在機(jī)器翻譯方面,百度已經(jīng)支持203個(gè)語(yǔ)種的準(zhǔn)確翻譯,現(xiàn)在每天響應(yīng)超過(guò)千億字符的翻譯請(qǐng)求,相當(dāng)于2000部大英百科全書(shū)。而百度提出的語(yǔ)義單元驅(qū)動(dòng)的AI同傳模型,已經(jīng)達(dá)到了與人類(lèi)相當(dāng)?shù)姆�譯水平。

再說(shuō)第二個(gè)因素。實(shí)際上,「智能鼠標(biāo)」既是滿(mǎn)足需求也是創(chuàng)造需求。

一方面,「智能鼠標(biāo)」在學(xué)習(xí)、游戲、商務(wù)場(chǎng)景下,可以很好的滿(mǎn)足用戶(hù)跨語(yǔ)種的交流需要,譬如游戲、商務(wù)郵件。

另一方面,對(duì)于小孩、老人、視覺(jué)障礙人群等日常打字輸入比較不方便的群體,語(yǔ)音輸入顯然更方便,這又是「智能鼠標(biāo)」創(chuàng)造需求的一種體現(xiàn)。

而且,得益于百度AI技術(shù)的加持,VOICE M380在輸入效率上語(yǔ)音輸入每分鐘可高達(dá)400字,而多數(shù)打字員的輸入則為80-200字每分鐘。

無(wú)疑,具備語(yǔ)音識(shí)別服務(wù)的VOICE M380,可以使用戶(hù)擺脫大量敲擊鍵盤(pán)產(chǎn)生的疲勞感,輕松實(shí)現(xiàn)所說(shuō)即所得。

搞明白了好不好用和給誰(shuí)用這兩個(gè)因素,再回過(guò)頭看這一次百度AI對(duì)羅技的賦能,實(shí)際上是一次典型的定制化AI技術(shù)輸出,說(shuō)明百度AI的技術(shù)落地已經(jīng)可以實(shí)現(xiàn)模塊化運(yùn)作,更具靈活性的按需輸出。同時(shí),「智能鼠標(biāo)」這樣的新物種出現(xiàn),也是對(duì)其它硬件設(shè)備的一種啟示,萬(wàn)物皆可AI,萬(wàn)物皆可語(yǔ)音。

而且,就雙方宣布的信息來(lái)看,羅技旗下的設(shè)備還將繼續(xù)接入百度AI的技術(shù),進(jìn)而實(shí)現(xiàn)全面的智能化升級(jí)。