一方面,作为最接近自然交互的形式,全双工已经成为智能语音领域的“香饽饽”,各大AI语音巨头都在积极布局。
另一方面,车载场景的人机交互需求也越来越强烈,在手没有被完全解放的情况下,驾驶员们对更自由、更随性、更解放的语音交互有着更强烈的需求,全双工为应用“刚需”。
与普通生活场景不同,车载环境的用户手动操作更加不便捷,而同时又往往有诸多功能操作(例如关窗、开空调)、生活服务(例如导航)、娱乐消遣需求(例如听歌),多样化需求更需要更连续的对话体验——如果每一个指令都要唤醒口令,不但用户体验不佳,从旁观者看,这种交互方式也颇有些尴尬。
与此同时,有限空间里的司乘对话,多人对话与人机交互叠加,加上驾驶环境的嘈杂,无疑对智能语音提出了更严峻的挑战。
于是,迫切的用户需求加上庞大的商业价值空间,以及车企这些年对产品创新的渴求,在这场全双工的鏖战中,车载语音场景不出预料成了玩家竞逐的焦点,全双工+车载的“搭配”迎来广阔的市场机会。例如,不久前的重庆智博会上,腾讯云小微就联合腾讯车联展示全双工语音交互技术,让用户对车载语音助手有了更多的好感和期待。
巨头鏖战全双工,也推动“第三空间”竞逐走向台前
目前为止,车载+全双工落地应用仍处于初期阶段,技术研发与应用适配同步进行中。
1、车载全双工,巨头各有玩法姿势
微软在2018年3月底宣布“全双工语音交互感官”已完成产品化落地,“长程语音交互成为可能”,到2019年8月,又宣布全双工语言交互技术已经通过车载设备完成测试,已经有了几个测试合作汽车厂。
微软的全双工语音及其车载应用是小冰项目的延续,第七代微软小冰的重心之一是实现车载商用,逐步由“玩具”转向现实价值,车载无疑是当下最恰当的选择。
而百度在押宝AI战略的大方向下,全双工技术的推广十分积极。今年7月,小度助手升级的全双工语音已经在小度在家智能音箱产品上使用,且开放赋能给更多智能硬件终端。
入局语音交互领域较早的科大讯飞,在2019年5月底发布了智能物联网操作系统iFLYOS 2.0,也在多个领域开始了全双工交互技术的应用尝试。
今年8月,重庆智博会上,腾讯云小微全双工语音技术也正式对外展示。依靠腾讯云小微这些年在语音技术上的深耕,选择了最为“刚需”的车载场景率先落地全双工交互技术,试图从最符合用户需求的驾驶场景打头阵,然后进行全域拓展。
车联网与AI助手的结合,也是技术与生态基础上的B+C的搭配,非常符合腾讯在ToB转向过程中的一贯调性。
2、技术推动下,第三空间正由概念走向实践
在很久之前,汽车就被认为是家庭、工作之外的“第三空间”,在欧美等汽车文化浓郁的国家,车的第三空间价值十分明显。
但在中国,日常出行的属性仍然占据大头,用户进入车内,听音乐、导航、调空调……在不用重复唤醒的情况下,很自然完成一套操作……把全双工放到车载场景中,如果从汽车角度看,本质上是“第三空间”的一种强化。
抛开技术,从具体场景实践来看,巨头们在全双工领域的布局和竞争,也在推动“第三空间”竞逐走向台前,谁能让用户真正体会到车上服务的便利,挖掘这个空间的用户价值,谁就能在车载场景中实现商业突围,这本身也与汽车厂商求新、求变、谋求市场增量的需求相吻合。
第三空间的体验塑造,将面对用户痛点的“三重区分”的挑战
离开汽车视角,从全双工技术视角来看,其面临的首要挑战在于,如何在连续对话中还能拥有很高准确率和响应速度。
例如,从已有资料看,腾讯云小微的全双工语音交互技术,在30秒到90秒的时间范围内(用户自行设定),一次唤醒即可实现连续对话,过程中用户可以随时打断机器的回答。
而除了全双工的特殊能力,腾讯云小微可实现车载复杂噪声环境下唤醒率97%以上,语音识别准确率96%以上,意图理解准确率高达98%。
这里不去对比这些数字的优劣,毕竟多数语音助手都能拿出还不错的成绩,但它们至少说明 “全双工”交互下,准确率仍能保持高水准。不过,在汽车有限的第三空间里塑造用户体验,语音助手们还有三大硬骨头要啃——实现用户的三种“区分”需求。
1、在几何级技术难度升级的基础上,区分“情境”
腾讯云小微称包括播放音乐、导航、查股票、查天气等众多服务在内,用户都可以通过语音指令,跟车机一次唤醒、连续应答、自然交互,这其中涉及一个很重要的问题:跨情境的全双工服务。
目前的车载语音助手已经可以做到在一定场景内免唤醒,例如常用的听音乐,想听A歌曲又反悔,想听B歌曲,机器自动识别不需要用户多次唤醒。
而当场景需求延展后,全双工语音技术就不得不面临既要连续、又要跨情境“思考”的挑战,而这又几乎是汽车体验的必须,内容、导航、查询、设备控制……区分场景是“全双工”的必要技能。
很明显,即便是人的沟通在转换话题时也需要适应,机器在面临这种情境跨越的全双工语音时,其难度是乘法级的几何提升,而非仅仅做叠加而已。
2、在复杂的对话环境中,区分“人”
与欧美不同,在当下中国汽车文化中,家庭单位属于仍然强于个人单位,“每家都有车”而不是“每人都有车”。很多时候,车中不只有司机,而肯定有副驾驶等其他乘客。
所谓“第三空间”不只是为司机服务,也为所有乘客服务。
对车载全双工而言,这又带来一个特殊的问题,如何让不同的人有属于自己的完整体验。如果把全双工比作一个人,与之沟通时,司机或乘客肯定都希望他与自己的沟通是完整的。
从当前的解决方式来看,行业主要采用多音区设置:主驾唤醒之后,都是听主驾的声音,副驾的唤醒后,都是听副驾的语音,理论上,另一个人要接入全双工交互,必须重新唤醒,才可以开启自己的完整对话体验。严格来说,这是通过物理设置的替代性方案,并非机器对不同声音的完全识别,而是通过声音的来源区分“人”。行业内也正在发展的“声纹识别技术”,直接辨别不同的用户,或才是未来更为彻底的解决方案,不过这仍需要等待。
3、在丰富多样的服务中,区分“需求”
智能语音从一开始就是两条腿走路:前端听懂用户说了什么,后端根据用户的个性化需求推荐给不同的内容、服务,或者执行某些操控指令。
放到车载全双工这里,其实问题拓展到了两个层面:
怎么听懂是对机器说的,而不是对其他人说的(比如人和人聊天),不要误解用户的需求;
在确定是对机器的需求后,如何实现更为个性化的服务输出,毕竟,如果用户想吃点喜欢吃的,你随便导航到了一个用户不喜欢的店子,或者甚至用户想要去放松一下,你给导航到了公司,这样的连续交互也就失去了意义。
前者需要语音识别能力的极大加强,它还有许多细节需要用技术实现,例如腾讯云小微称其借助云端大脑,不但能理解用户的话哪些是需要响应的指令,哪些只是用户对别人说的话,这其中同样涉及复杂场景需求问题,懂更多还要区分是不是需求,挑战进一步升级。
后者,本质上可以视为个性化推荐机制的延续,考验的语音助手背后的平台数据能力,如何在尽可能短的时间内了解眼前的用户,为其提供定制化服务,强化全双工的“实质”支撑,而不是只有花架子。腾讯云小微打出“懂你所需”的旗号,通过训练后推送定制化服务内容,这是全双工技术的行业必然,只是看谁能更为准确。
对用户而言,同样是自然的交互,如同与人交流一样,与一个“懂你所需”的全双工语音助手交互,就像是熟人聊天,而与无法实现定制化服务输出的机器交互,就像是在和陌生人聊天,其体验差距无需多言。
全双工语音助手趋势不可避免,车载只是拼图的一块
几乎不会有人否认,语音助手是人机交互必然趋势。经过几年的发展,在巨头们的努力下,越来越高的语音识别准确率,各平台飚出的准确率指标,本身就证明机器的“听见”和“听懂”已经逐步实现,剩下的是不断完善的过程。
而“智商”问题一旦接近解决,“情商”问题就走向台前,让机器更贴近人,实现人性化、情感化,是语音助手必然的趋势。
于是,全双工等新技术不断涌现。几乎可以肯定的是,在未来,一方面全双工必然要突破参数瓶颈,例如没有30秒、90秒的区分,而是无限连续同时准确识别需求,就是如科幻片机器人管家那样的无缝交互,这是语音助手发展的必然;另一方面,更多其他的科技将不断涌现,例如多模态识别,将声音、图像、环境等诸多因素整合来与用户自然交互。
而显然,虽然车载急迫需要全双工等更多自然交互技术,但全双工并不只会局限于车载。几乎所有巨头的全双工技术的“理想”都是全场景应用,即便是腾讯云小微选择以车载为典型,未来也必将在全领域发力——到目前为止,在出行领域之外,腾讯云小微凭借全栈AI能力及腾讯丰富的内容和服务生态,在文旅、政务、教育、智能硬件等多个领域都有涉猎。
以硬件为例,腾讯云小微AI应用解决方案已经输送到机器人、智能电视、智能音箱、智能空调等多个品牌多款产品中,而且百度、科大讯飞、阿里等玩家都在积极布局。
可以说,车载是全双工最热的局部战场,未来的全双工将是全领域的战争,届时,当物联网真正全面落地时,汽车这样的第三空间将融入一个相互连接、不分彼此的“唯一空间”,车载全双工与家居、工作全双工联动,人与虚拟数字世界将实现无缝对接。
拭目以待吧。
本文首发自微信公众号:|科技向令说(xiangling0815),文章版权归原作者所有,转载请联系作者授权。
推荐阅读