（文章來源：品途商業評論）

語音對于人機交互的重要性毋庸置疑，無論是國內外企業，都在語音識別的速度、準確度以及多語種方面持續創新，但是當機器面對那些有口音的人來說，似乎就沒有那么靈敏了：不僅注意力會不集中，反應遲鈍，甚至還會成為一個獨立的個體，不予任何回應。如何解決口音識別問題，已成為智能語音下一階段的競爭焦點，但這不僅僅是單純的增加語料庫就能提升的，好在已經有少數公司，開始通過構建新的語音模型，來解決口音問題。

自IBM的Shoebox與Worlds of Wonders的Julie Doll問世以來，語音識別技術已經取得了長足進步。甚至有報道稱，到2018年底，谷歌Google Assistant將支持超過30種語言。除此以外，高通已經開發出了一款能夠識別單詞和短語的語音識別設備，準確率高達95％。而微軟也不甘示弱，其呼叫中心解決方案（智能語音客服）比人工展開的呼叫服務更準確，更高效。

但需要注意的是，盡管在機器學習的加持下，語音識別技術取得了巨大的進步，但現在的語音識別系統還是不完美的。比如，不同地區的口音，讓這項技術擁有了很強的“地域歧視性”。通常情況下，口音對人類來說不是什么大問題，有時還會讓人感覺到一種異國風情的魅力，但是對機器而言，這是一條難以跨越的鴻溝，可能是其發展過程中面臨的最大挑戰。

最近，華盛頓郵報與Globalme和Pulse Labs兩家語言研究公司合作，對搭載了語音識別技術的智能音箱設備的口音問題進行了研究，研究范圍來自美國近20個城市、超過100名參與者發出的數千條語音命令，結果顯示，這些系統在理解來自不同地區的人的語言時存在顯著差異。

舉個例子，谷歌智能音箱Google Home識別西岸口音的準確率比識別南方口音高3％；而亞馬遜語音助手Alexa識別中西部的口音的準確率要比東岸口音低2％。但面臨最大問題的是持非本土口音的人：在一項研究中，通過對比Alexa識別的內容與測試組的實際話語，結果顯示不準確率可達30％。此外，面對以西班牙語和漢語作為第一語言的人所說的英文，不管是Google Home還是Amazon Echo，其識別率都是最低的，要知道，拉丁裔和華裔是美國的兩大移民族群。

雖然這項研究是非正式的，也存在一定的限制，但其結果還是表明口音仍是語音識別技術面臨的主要挑戰之一。對此，亞馬遜在一份聲明中稱，“隨著越來越多的擁有不同口音的人與Alexa進行交流，Alexa的理解能力也會得到改善。”同時，谷歌也表示，“在擴大數據集的同時，我們也將繼續提高Google Home的語音識別能力。”

事實上，不只是Amazon Echo和Google Home，采用率更低一些的微軟Cortana和蘋果Siri也是如此，它們都需要及時提高自家的語音識別技術，以便讓用戶感到滿意的同時，又能在全球范圍內擴大自己的影響力。