# 语音时代的到来与忧虑

- 作者：张 川
- 发布时间：2012-04-05 18:31
- 分类：公司
- 原文：https://www.ifanr.com/81239

[![](https://s3.ifanr.com/wp-content/uploads/2012/04/SpeakUp.jpg "SpeakUp")](http://www.ifanr.com/81239/speakup)

Siri 的流行充分唤起了人们对于语音识别的想象。在与个人生活紧密结合前，语音识别是难以达到这么火爆的程度的，准确率是最基本的一点，不过基于语义和情感交互才是语音识别的最为迷人的地方，当然，移动互联网的兴起也是这一流行趋势的引爆点。前几天，语音识别领先企业[科大讯飞语音云发布](http://www.ifanr.com/79675)， 同时随着Nuance 公司 Dragon 系列产品的流行，越来越多的产品开始支持语音控制，有理由相信，语音时代即将来临。

**语音识别时代的条件已经具备**

语音引擎**

在语音识别方面，Nuance 是一家不可忽略的企业，作为 Siri 背后的技术支持，[Nuance 拥有](http://www.nuance.com/company/company-overview/fast-facts/index.htm)4000余项专利和专利申请，超过50亿部手机和7000万的车辆使用其技术，三分之二的《财富》100强公司依赖其解决方案。

[Wolframalpha](http://www.wolframalpha.com/) 虽然不是语音识别技术，但在语义识别方面，他是毫无疑问的先驱，同样也是作为 [Siri 背后的搜索引擎](http://www.ifanr.com/72573)，它对语音识别的意义十分重大。

在语音识别方面的研究，科大讯飞，IBM，贝尔研究所的成果也令人瞩目。

**云计算能力**

大量的机器学习才可能让语音引擎不断完善，云计算的超级计算能力让这点成为可能，商业化云平台的不断成熟，使基于云计算的语音识别不再困难。

**智能设备**

在 Android 和 iOS 的推动下，移动互联网迎来了爆发性增长，智能手机和平板电脑已经十分普遍，与 PC 相比，手持设备因为易携等优势，语音识别能得到更加生活化的应用，而这也就是语音识别得以广泛应用的基础。

**高速网络**

语音识别，速度对于用户体验毋庸置疑，高质量的语音识别依赖于高速网络，而这也将随着3G和4G网络的普及而被解决。

 **语音识别可能是巨变的开端**

对 Google 等公司，Siri毫无疑问是一个威胁，在语音时代之前，普通搜索引擎是互联网的入口，但是在语音时代，人们已经有了更加方便和人性化的工具。影响虽然不是替代，但它代表了一种更方便的工作、生活方式，而这也将催生行业的变革。

[Sherry Turkle](http://web.mit.edu/sturkle/www/ "A page about Professor Turkle.")，这位 MIT 的社科教授称，人类更加倾向于可以说话的设备，好像这就是他们的知心伴侣。相对于打字，语音来的更加便捷与精确，这种区别上所导致的影响，可能就像 Paul Ricci （Xerox 前执行官）所言，类似80年代鼠标和图形化界面对于电脑的影响。说话是人类的天性，但打字与技巧和熟练度有关，在一句话就可以解决问题的时代，为什么还需要辛苦的输入。

不仅对于搜索，对于汽车导航，甚至是飞机订票、呼叫中心等事宜都可以用语音识别技术来替代，Nuance 公司已经成功推出了一款用于航空客服的语音交互系统 [Wally](http://www.nuance.com/ucmprod/groups/enterprise/@web-enus/documents/collateral/nc_019760.pdf) ，据纽约时报[介绍](http://www.nytimes.com/2012/04/01/technology/nuance-communications-wants-a-world-of-voice-recognition.html?pagewanted=2&_r=2&src=busln)，相当的用户辨认不出他们是在同机器对话，挂电话时甚至友好的说了谢谢。

 **语音控制，另一把科技双刃剑**

语音识别可能带来颠覆性变革，但也会随之带来一些新的问题，同社交网络兴起一样，语音识别或许会产生一个问题：隐私。

每一次的语音识别请求，我们的声音都会被上传到到服务器分析，为了让语音识别系统更加准确，系统也必须学习，材料就是这些我们上传的语音。人声音的特质（声纹），就像是指纹一般独一无二，指纹和声音都是密码方面常用且重要的凭据，如果自己的声音数据被泄漏，信息安全得不到保障。在纽约时报对 Nuance 的[报道](http://www.nytimes.com/2012/04/01/technology/nuance-communications-wants-a-world-of-voice-recognition.html?pagewanted=1&_r=2&src=busln)中，Nuance 称在美国，除了联邦政府，他们拥有最大的声音信息数据量。同时，语音合成技术的成熟，也使得语音诈骗有存在的可能性，试想一个电话打来，听声音是自己的朋友，找自己借钱什么的，谁又能区别真假呢？汤姆·克鲁斯在《碟中谍3》中假扮[霍夫曼](http://zh.wikipedia.org/zh/%E8%8F%B2%E8%87%98%C2%B7%E8%A5%BF%E6%91%A9%C2%B7%E8%8D%B7%E5%A4%AB%E6%9B%BC)时合成声音的以假乱真或许就成为现实。而科大讯飞在其[招股书](http://file.finance.sina.com.cn/211.154.219.97:9494/MRGG/CNSESZ_STOCK/2008/2008-2/2008-02-27/295393.PDF)中提到，其中英文语音合成技术的自然度能超过真人发音水平（4.0分）。

在语音识别应用越来越广泛的时候，还有一个大的问题是不能忽视，那就是对机器的高度依赖对人的生理和心理所产生的改变，[Pranav Mistry](http://www.pranavmistry.com/) 在 TED 的演讲《[第六感技术的惊异潜力](http://www.ted.com/talks/lang/zh-cn/pranav_mistry_the_thrilling_potential_of_sixthsense_technology.html)》中提出了一个观点：科技的发展，不是要让人类越来越机器化，而是让人变得越来越人性化。科技能改善生活，但也存在道德和文化上的难题。

题图来自 [PRweb](http://www.google.com.hk/imgres?um=1&hl=zh-CN&newwindow=1&safe=strict&biw=1280&bih=673&tbm=isch&tbnid=TtjKs0o2yNQHiM:&imgrefurl=http://www.prweb.com/releases/2006/07/prweb406585.htm&docid=Yt_uKJfD6ofwsM&imgurl=http://ww1.prweb.com/prfiles/2006/06/30/0000406585/SpeakUp.jpg&w=1281&h=849&ei=F3F9T8uhNe-diAfU5bClCQ&zoom=1&iact=hc&vpx=963&vpy=388&dur=1462&hovh=183&hovw=276&tx=133&ty=48&sig=116401412468440993346&page=2&tbnh=149&tbnw=207&start=19&ndsp=20&ved=1t:429,r:9,s:19,i:136)