今年10月，Apple發(fā)布了iphone 4S with IOS 5,其中最大的亮點就是一個語音搜索軟件-Siri。一時間，各種geek，偽geek，碼農(nóng)，非碼農(nóng)都流行起調戲siri，各種調戲視頻，音頻大量出現(xiàn)。不過，常言道“外行看熱鬧，內行看門道”，作為一個“偽內行”，或者“欲做內行而不得”的人，根據(jù)自己的知識，以及一些搜索工具，嘗試了解了一下Siri的“門道”，在這里做個總結，列出siri所可能用到的技術。
今年10月，Apple發(fā)布了iphone 4S with IOS 5,其中最大的亮點就是一個語音搜索軟件-Siri。一時間，各種geek，偽geek，碼農(nóng)，非碼農(nóng)都流行起調戲siri，各種調戲視頻，音頻大量出現(xiàn)。不過，常言道“外行看熱鬧，內行看門道”，作為一個“偽內行”，或者“欲做內行而不得”的人，根據(jù)自己的知識，以及一些搜索工具，嘗試了解了一下Siri的“門道”，在這里做個總結，列出siri所可能用到的技術。
Siri是IOS上的個人助理應用：此軟件使用到自然語言處理技術，使用者可以使用自然的對話與手機進行互動，完成搜尋資料、查詢天氣、設定手機日歷、設定鬧鈴等服務。（來自維基百科）
Siri所用到的技術，很多人會回答，人工智能以及云計算，的確，總體來說，是這兩樣技術，不過，這種概述感覺幾乎沒有任何意義，和不直接說“計算技術”（注意，不是計算機技術）呢。因此，在本文，我將介紹下我了解Siri可能采用的技術。
首先，在前端方面，即面向用戶，和用戶交互（User Interface，UI）的技術，主要是語音識別以及語音合成技術。語音識別技術是把用戶的口語轉化成文字，其中需要強大的語音知識庫，因此需要用到所謂的“云計算”技術。而語音合成則是把返回的文字結果轉化成語音輸出，這個技術理論上本地就能完成（以前用過科大訊飛的在windows mobile上的本地語音閱讀軟件，軟件很小，但能讀的很好，還支持方言），但不知道Siri是否如此，當然，在云端完成也并無不可，在當前無線帶寬下，那點語音流量根本不算什么。
其次，后臺技術，這些其實才是真正的大角色（當然，普通用戶是不會在意的，他們只會覺得前端很炫，哎，這就是做后端的悲哀，小小感嘆一下）。這些技術的目的就是處理用戶的請求，并返回最匹配的結果，這些請求類型很多，千奇百怪，要處理好并不簡單?；镜慕Y構猜測可能是分析用戶的輸入（已經(jīng)通過語音轉化），根據(jù)輸入類型，分別采用合適的技術（合適的技術后面）進行處理。這些合適的后臺技術包括，①以Google為代表的網(wǎng)頁搜索技術；②以Wolfram Alpha為代表的知識搜索技術（或者知識計算技術）；③以Wikipedia為代表的知識庫（和Wolfram Alpha不同的是，這些知識來自人類的手工編輯）技術（包括其他百科，如電影百科等）；④以Yelp為代表的問答以及推薦技術。
下面，對上面提到的各種技術進行簡要介紹（如有空，后面的博文可能會對某些技術詳細的介紹，大家耳熟能詳?shù)木兔饬耍?，強調下，介紹的有些參考來源是維基百科相關詞條，下面不一一列出：
語音識別以及語音合成技術語音識別技術，也被稱為自動語音識別（英語：Automatic Speech Recognition, ASR），其目標是將人類的語音中的詞匯內容轉換為計算機可讀的輸入，例如按鍵、二進制編碼或者字符序列。與說話人識別及說話人確認不同，后者嘗試識別或確認發(fā)出語音的說話人而非其中所包含的詞匯內容。語音識別技術所涉及的領域包括：信號處理、模式識別、概率論和信息論、發(fā)聲機理和聽覺機理、人工智能等等。
語音合成是將人類語音用人工的方式所產(chǎn)生。若是將電腦系統(tǒng)用在語音合成上，則稱為語音合成器，而語音合成器可以用軟/硬件所實現(xiàn)。文字轉語音(text-to-speech, TTS)系統(tǒng)則是將一般語言的文字轉換為語音，其他的系統(tǒng)可以描繪語言符號的表示方式，就像音標轉換至語音一樣。
相比于語音識別，語音合成感覺難度要低，并且基本能夠在本地完成（很多OS都有內置的語音合成引擎）。而語音識別，由于涉及到語義理解，難度大大加大，需要大量的知識庫，一般需要在云端完成。