智能音箱为什么听不懂人话？有关技术还不成熟
编辑：admin 日期：2021-05-03 13:50:40 / 人气：
想解答这个问题，我们需要先了解智能音箱，听懂语音的工作原理
语音、文本、图片、视频这些信息对于机器来说属于非结构化数据，无法直接理解，机器能够理解并作出反馈的是结构化数据。简单理解二者之间的区别与关系，非结构化数据相当于写了一段文本的word文档。
而结构化数据则是将这段文本进行总结归纳的Excel文档。当我们向智能音箱提问时，智能音箱会先将语音转化为文字，然后将文字形成结构化数据理解并反馈。
最后再将文本转化成语音输出答案，三大流程对应的三种技术，其中ASR和TTS技术相对成熟，像ASR已经广泛应用在语音转文字、语音输入法、智能翻译笔等应用上。
据中科院2019年的测试，国内4家主流智能音箱品牌ASR识别率均在94%以上。智能音箱听不懂我们的话，问题主要出在NLP环节上，AI在拿到文本后需要进行语料清洗、分词、词性标注、实体命名识别、去除停用词等一系列操作，才能将文本正确转化为结构化数据并作出反应。
智能音箱今天已经可以比较智能的处理明确的指令问题，比如打开电视，今天天气怎么样？设定闹钟的，但在开放性语境下智能音箱错误频出，这是因为口语文本经常会出现歧义，机器难以理解，特别是在处理同音字繁多。语法复杂的中文时，奇异的现象尤其多见，比如帮我上一个半小时之后的闹钟，音箱基本没法识别是半小时还是一个半小时，再比如帮我预定一家餐厅，不要日本菜，AI大概率无法理解。
面对复杂的自然语言，AI想要辨别理解消除歧义，必须要分析海量语料，也就是对人类语言的实例进行学习。供AI学习的语料主要有三种来源。
一是AI算法企业根据需求自己构造的语料库比如针对特定功能需要构造人名库、地名库、歌手名库、歌曲名库等，第二是从互联网上大量抽取的文本，最常见的是从社交网络中抽取，以便机器理解最新的口语表达方式，最后则是用户在与产品交互的过程中产生的数据，像我们与智能音箱对话的部分内容会被上传进厂商的语料库，供AI学习。
那如果长时间和智能音箱对话，是不是能让智能音箱更懂我呢，答案是很难，一般来说所有的训练学习过程都是在AI算法商一端完成的。算法商会根据所有用户的数据对AI进行训练更新，而非针对某个特定用户。
所以要想让智能音箱听懂你个人习惯性的语病、倒装、口头禅等等，目前的最好办法是自己手动录入，指定他应该做出什么反应。
虽然智能音箱技术还没有完全成熟，但在互联网巨头眼中它确实必须攻下来的阵地。2019年的中国智能音箱市场经历了爆发式增长，总出货量4589万台，同比增长109.7%，其中阿里的天猫精灵、百度的小度音箱、小米的小爱音箱三家占据了9成以上的市场份额。
智能音箱在出口量上涨的同时却没给巨头们带来利润。2019年百度副总裁景鲲向媒体表示：百度是通过补贴维持了小度音箱的低价，而另据业内人士估算，每卖一台小爱音箱，小米只赚一块钱。
巨头们的底层逻辑是智能音箱很有可能成为未来家庭的控制中心，所以要用现在的低价策略换取未来物联网时代的入场券这样的策略确实能带来销量的增加，但切实解决用户的痛点才能保证产品使用率。
为了提高智能音箱在用户生活中的不可替代性，厂商都在费尽心思给智能音箱添加新的功能，因为谁也不想看到当物联网时代真正到来的时候，用户家中的智能音箱上已经落满了厚厚的灰尘
内容搜索 Related Stories
推荐内容 Recommended
- 世界智能网联汽车大会永久落户顺义10-22
- 智能油田建设：无人机巡检带来的幸福时光-新华网10-15
- “智能制造的长期目标是无人制造”10-14
- 人工智能下车间10-06
- 消费升级明显 苏宁上半年智能产品销售增288%10-03
- 美媒：人工智能机器人正改变中国育儿方式10-03