口音對語音系統(tǒng)來說是個難題
這年頭，什么都系不帶上智能元素，似乎都賣不出去了，就算再高端的家居互聯(lián)系統(tǒng)，如果不帶語音控制，照樣像段子里如來嘲笑玉皇大帝那樣被嫌棄。語音識別、語音控制對我們大家來說都不算新鮮的東西，但這一功能現(xiàn)在更多的功能還是為了提升產(chǎn)品的逼格，而真正得到使用的少之又少。究其原因，還是不好用。
語音識別功能被廣泛普及 但使用者少之又少
智能生活、智能人機(jī)交互的理念在很早之前就被提出，甚至在不少影視作品中都出現(xiàn)了能夠直接通過語音控制的設(shè)備、系統(tǒng)，尤其無論使用者在多么嘈雜的環(huán)境中，語音識別系統(tǒng)都能快速、準(zhǔn)確的識別使用者的語音。
電影中的人工智能無論是對話還是講笑話無所不能
那么，我們現(xiàn)在的語音識別技術(shù)發(fā)展到了什么程度?現(xiàn)在確實有非常多的智能設(shè)備都使用了語音操控的功能，但是無論是蘋果的Siri還是亞馬遜的Alexa，亦或是各家廠商推出的智能設(shè)備，在宣傳自己產(chǎn)品時都宣稱自己的語音識別系統(tǒng)識別率多高，內(nèi)置了多少種語言，但在用戶使用時，會非常普遍的出現(xiàn)無法識別的問題。并且這一問題出現(xiàn)的范圍非常廣泛，不僅僅只發(fā)生在小廠家身上，前段時間一個美國用戶向亞馬遜投訴Alexa系統(tǒng)，原因是Alexa無法識別她母親稍帶口音的英文。
“罪魁禍?zhǔn)?rdquo;Alexa
為了驗證這個問題，筆者在辦公室里請同事們用方言、外語無限轟炸筆者的蘋果Siri，發(fā)現(xiàn)在設(shè)定普通話后，Siri完全無法識別各種方言，無論是閩南語、四川話、粵語甚至連與普通話非常相近的北京話也無法有效識別，就更不要提其他語種的語言了。
那么，為什么本應(yīng)該非常好用的語音識別系統(tǒng)變得這么弱?最主要的原因就是，方言和口音太多了，我們先不說外語語系里都有多少種方言，就說中國就有多少種方言?如果是與普通話比較相近的方言還好，真遇上如閩南語、紹興話、馬鞍山話之類比較難懂的方言，什么樣的語音識別系統(tǒng)都沒辦法。
從“倒鴨子”上就能看出口音對語音識別系統(tǒng)的影響
即使語音識別系統(tǒng)想收錄這些方言也不是一件簡單的事兒，畢竟方言種類真的很多，光是大的語言分類就有官話、晉語、湘語、贛語、吳語、閩語、粵語、客語八種，每種大類方言下面又有多種區(qū)域性的方言，還有一些因為族群遷移與地方方言結(jié)合的變種方言，單從數(shù)量上來講，收錄這些語言就是一項非常龐大的工作。但如果硬性要求所有的用戶都說普通話，也是比較不現(xiàn)實的，首先中國普通話多少年了?在北京的街頭上依然能聽到各種各樣的方言。另外，學(xué)習(xí)普通話，對于年輕人來說可能不是什么太大的問題，對于年齡稍大一點的用戶來說，重新學(xué)習(xí)一種新的語言完全不現(xiàn)實。
陷入兩難境地的語音系統(tǒng)
從用戶使用的角度來說，現(xiàn)有的語音識別系統(tǒng)存在較大的矛盾，年輕人能夠比較快的接受新生事物，對新出現(xiàn)的智能產(chǎn)品、系統(tǒng)能夠以較快的速度接受，語音識別系統(tǒng)對他們來說只是一種讓操作更加快捷或更加節(jié)省時間的操作模式。而年齡較大的用戶，他們并不能較快的接受新的智能產(chǎn)品，在操作時會遇到各種各樣的問題(各位想想，父母有沒有在我們回家的時候舉著手機(jī)說有什么功能不會用了，讓我們教他們用)，他們會更加希望依賴操作和理解起來都比較簡單的語音操作。但是上邊我們也說過了，這些年齡較大的用戶在學(xué)習(xí)普通話這件事上同樣困難重重，所以本應(yīng)非常好用的語音系統(tǒng)對于他們來說同樣不好用。