谷歌放弃试用6年的超级宽带计划：谷歌光纤面临出售
06-17
人工智能的热潮带动了整个行业的发展。
作为最自然的交互手段，智能语音自然备受关注。
在语音交互引发传统交互变革的今天，智能汽车领域成为变革的先锋，尤其是在后市场。
智能语音似乎已经成为车载场景交互的标配。
国内专注智能语音的企业竞争日趋激烈。
阿里认为，语音客户服务已成为必需品；百度，强大的搜索资源库成为百度语音的后盾；科大讯飞依托政府项目，在教育、医疗、智慧城市等领域也占据市场优势；乐视推出乐视LeVoice正在改变乐视超级电视的交互方式；爱奇艺等也纷纷涉足语音技术。
专业语音公司以其独特的解决方案而备受瞩目。
其中，交互方式的简单、便捷成为几乎所有语音交互解决方案所追求的一大效果。
说到语音交互的简单便捷，2018年10月20日Spichi推出的AIO3.1升级版中新增的一键功能引起了业界的高度关注。
AIOS For Car是Spirit今年10月推出的一款针对智能汽车后市场的对话式操作系统。
主要应用于汽车中控台、智能后视镜、HUD、互联网汽车等产品。
今年6月，SPEED升级至AIOS 3.0版本，新增7项功能。
10月20日，国家电投再发力，升级至AIOS 3.1版本。
积累已久的一键功能终于揭开了神秘面纱。
One-shot一词的意思是Das Bichi将one-shot功能描述为“一次”。
这个描述也非常生动，贴近现实。
图1 One-shot Spichi One-Short 据悉，One-shot One-shot采用“唤醒词+语音语义识别”一体化的方式，实现唤醒词与语音控制的零间隔、零延迟、无缝衔接。
，抛弃传统的问答形式，大大减少用户语音控制的步骤，实现信息反馈，化繁为简，实现简单操作。
然而，这样的简洁在设计之初并不简单。
One-shot的一大特点是识别唤醒和语义理解的融合，保证语音交互的统一性和连贯性，完成控制。
举个简单的例子，过去智能语音的交互方式是一问一答。
用户发出唤醒词命令，设备需要反馈待机信息才能开始交互。
例如： 用户：你好小池（唤醒词命令） 设备：请问有什么可以帮助您的吗？ （设备反馈，表明处于信息接收状态） 用户：我想去机场。
设备：开始引导您前往机场。
One-shot功能可以一句话击中目标，实现“唤醒词+语音语义识别”的一体化，比如这个互动：用户：小池你好，我要去机场。
设备：开始为您导航至机场。
与传统导航相比，这种体验似乎更加高效。
也许未来，在人机交互中，机器收集用户行为习惯数据，追踪用户意图，实现如下对话也不是不可能：A：我一直有个问题想问你B：我曾经爱过... 系统响应速度和准确性始终是用户主要关心的问题。
AIOS3.1中的one-shot功能采用本地+云端混合引擎模式。
语音唤醒和常用语音命令识别均存储在本地，系统接收灵敏，语音识别响应准确及时。
同时，连续的语音识别和语义理解在云端进行处理。
基于场景，收集用户习惯数据，通过深度学习分析跟踪用户意图，保证语义理解的准确性。
本地与云端的混合引擎处理，保证了响应速度和交互的准确性。
即使在没有网络的情况下，仍然可以使用基本的语音交互功能。
GUI图形交互界面必然会不断前进和变化，而VUI语音交互界面是一大发展趋势。
Spichi一键功能的发布，展现了其在VUI产品交互设计上的深入思考。
相信通过不断提升语音交互体验，VUI必将在未来引发物联网行业人机交互越来越多的变化。
让技术说话：研发实力是关键。
很多车载后市场产品的用户反映了一个问题，就是使用车载语音时，说“我想去天安门”系统可以响应，但是当说“去天安门”时，系统却无法响应。
系统没有反应。
这就是为什么？其实，这是因为一些语音解决方案提供商将“我要走”三个字固化为唤醒词，而“走”“我要走”等词语与“我要走”并不完全匹配，所以系统自然无法识别。
这种交互方式表面上被宣传为“免唤醒”。
事实上，事实恰恰相反。
系统使用大量的唤醒词来实现这一点。
这导致了极高的误唤醒率，增加了系统资源占用，扩展性差，强制用户占用内存，给用户的安全驾驶带来隐患。
对于这个问题，Spichi产品总监雷雄国表示，“Spichi利用One-shot功能来解决这个问题，用户想说什么，系统就能听懂。
基于应用场景的深度学习，系统可以通过后台用户数据收集分析用户行为习惯，精准追踪用户意图，克服死板的关键词识别，通过大词汇数据实现场景的流畅交互。
”确实，语音技术企业的核心竞争力在于语音技术研发能力、产品化和市场应用，这已经成为企业的生存之道。
有的公司坚持自主研发，有的公司擅长使用国际开源工具，比如谷歌的开源深度学习系统Tensor Flow。
系统支持CNN、RNN、LSTM算法等流行的深度神经网络模型，大大降低了深度学习的应用难度，提高了开发速度。
但一般的开源工具在效率和权威性方面都存在局限性。
它们既不能满足特定前沿算法的需求，也往往不能满足用户基于场景的个性化需求。
不同专业领域的算法、数据、架构等都要靠实际实践。
构建和优化应用程序。
目前，在国内智能语音行业，深度参与技术研发的公司并不多。
例如，在深度学习方面，百度研究院推出了Deep Speech系统，科大讯飞推出了FSMNN算法模型，SPEED与上海交通大学的联合实验室则独立拥有VDCNN算法模型和PSD解码架构。
只有具备自主研发能力，才能根据产品特性和应用场景深度定制交互解决方案。
无论是新颖的一次性功能，还是传统的语音交互，在人工智能时代，只有将技术落地并转化为良好的产品体验，才能更好地描绘智能生活的未来。
我们期待更多的新技术，我们也期待新技术给我们带来的惊喜。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-17
06-18
06-06
06-18
06-18
06-17
06-17
06-18
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态