開啟今天的文章之前，先上一段視頻，這段視頻展現了生活中最“貼心”的語音交互。

這條視頻里展現的就是我們日常生活中常見的語音交互，與圖像識別一樣，語音交互是人工智能的一個分支。

在人工智能異常火熱的今天，從 Siri 到小度，從小冰到小娜，語音交互正悄無聲息的融入我們的生活之中。

其實，語音交互系統發展的歷史并不短，早在 1952 年，貝爾實驗室就開發了能夠識別阿拉伯數字的系統 Audrey。

1962 年，IBM 發明了一臺可以用語音進行簡單數學計算的機器 Shoebox。

2019 年全球語音交互市場規模達到 13 億美元，預計 2025 年語音交互市場規模將達到 69 億美元，目前已廣泛應用到智能家居、車載語音、智能客服等行業和場景。

對于發展前景如此感人的語音交互有哪些優劣勢呢，也就是我們為什么這么熱衷研發語音交互？

優勢

信息傳遞效率高：

相比于傳統的鍵盤輸入，語音輸入方式在速度及準確率方面更具優勢，利用語音輸入普通話時，速度是傳統輸入方式的 3.21 倍。

空間便捷性：與觸控相比，語音交互可以人機相距 3~5 米進行交互，增加了交互的便捷性。

支持組合指令：在需要支持多意圖同時傳遞的場景下，語音交互可以一次性下達多條指令，然后分別執行，比如你可以對著手機說：“播放周杰倫的《說好不哭》并且是免費的。”

使用門檻低

對非文字使用場景友好：語音交互為老人、孩子，以及一些不方便使用文字的人群提供了便利，也在一些不方便使用文字或者手勢的場景下，比如：駕駛、玩游戲，為使用者提供了便利。

學習成本低：語音交互與我們平時說話一樣，不需要特意學習，大大降低了學習的成本。

傳遞聲學信息

聲紋識人：通過聲紋可以進行身份判斷，并且可以在下達指令的同時進行身份判斷，效率更高。同時聲音還可以判斷性別、年齡層、情緒等信息。

聲音傳遞情感：聲音交互可以傳遞情感、語氣，因此在有情感訴求的場景下，語音交互是一個很好的選擇。

但是，有利就有弊，語音交互同時也存在著一些弊端。

弊端

信息接收效率低

當信息量大、內容較長時，語音交互的效率就會降低，同時，語音交互是線性的，也就是別人說話時，必須都聽完才能理解其中的意思，這也大大降低了語音交互的信息接收效率。

嘈雜環境下語音識別精度降低

語音識別需要清晰的識別出人聲，嘈雜環境使得人聲的提取變得非常困難，尤其是針對遠場語音交互，噪音的問題更加突出。

例如遠場安靜環境下語音識別準確率能達到 95%，但是在嘈雜環境下僅能達到 80% 左右。

雖然存在著這些弊端，但是語音交互還是在不斷完善中實現著自我突破。

來源：中國大數據