文|三易生活
“Hey Siri，講個(gè)笑話”，相信許多iPhone用戶都嘗試過這樣與蘋果的智能語音助手Siri對(duì)話，但在未來，大家與Siri聊天時(shí)可能就要換一個(gè)詞了。日前有消息顯示，蘋果方面計(jì)劃將智能語音助理Siri的喚醒詞從“Hey Siri”簡(jiǎn)化為“Siri”，這一變化預(yù)計(jì)將在2023年某個(gè)時(shí)候或2024年推出，同時(shí)蘋果正在將Siri整合至第三方APP，來為用戶提供更多語境和幫助。
作為蘋果推出的智能語音助手，早在2011年就已亮相的Siri，無疑是這十余年來手機(jī)廠商在AI領(lǐng)域探索的代表之一。別看蘋果未來僅僅只是去掉了“Hey”這個(gè)單詞，但這一微小變化的背后卻代表著蘋果AI技術(shù)的長(zhǎng)足進(jìn)步，同時(shí)也意味著蘋果在智能語音助手領(lǐng)域已經(jīng)追上了競(jìng)爭(zhēng)對(duì)手亞馬遜的腳步。畢竟在很長(zhǎng)一段時(shí)間里，盡管作為智能語音助手領(lǐng)域的先行者，Siri卻一直被用戶吐槽“有點(diǎn)蠢”、“不智能”。
從“Hey Siri”到“Siri”，反映的是蘋果在語音識(shí)別技術(shù)上有了重大的突破。就像每個(gè)人都有自己的名字一樣，智能語音助手其實(shí)也需要特定的詞匯來讓它知道用戶是在喊自己。從某種程度上來說，喚醒詞同時(shí)也是智能語音助手品牌形象的一大組成部分，通過每一次激活語音助手時(shí)說出的喚醒詞，消費(fèi)者關(guān)于這個(gè)品牌的記憶就在這樣日復(fù)一日的復(fù)讀中不斷被強(qiáng)化。
那么為什么智能語音助手一定需求一個(gè)喚醒詞呢？這是因?yàn)橹悄苷Z音助手如今還不可能24小時(shí)時(shí)刻保持在線狀態(tài)，需要保證只有在用戶需要時(shí)才進(jìn)入工作狀態(tài)，其他時(shí)間則保持休眠。相比于按專屬按鍵喚醒、點(diǎn)擊圖標(biāo)喚醒這類觸摸喚醒機(jī)制，使用特定的喚醒詞來激活智能語音助手，也更契合這一產(chǎn)品的特質(zhì)。
語音喚醒被稱之為keyword spotting（下文簡(jiǎn)稱為KWS），即在連續(xù)語流中實(shí)時(shí)檢測(cè)出說話人的特定片段，而這個(gè)特定片段就是喚醒詞。通常來說，如果不是手動(dòng)禁用語音助手，后者作為系統(tǒng)級(jí)服務(wù)會(huì)長(zhǎng)時(shí)間駐留在后臺(tái)，然而智能語音助手作為一個(gè)需要大量AI算力支撐的功能，在工作狀態(tài)下需要不低的性能開銷，同時(shí)也會(huì)相應(yīng)的提升功耗。
面對(duì)這一問題，開發(fā)者想出的辦法是通過專用于語音喚醒的低功耗協(xié)處理器來實(shí)時(shí)監(jiān)聽麥克風(fēng)，一旦監(jiān)聽到類似“Hey Siri”、“小愛同學(xué)”、“Hey Google”這類關(guān)鍵喚醒詞時(shí)，就會(huì)將語音助手從休眠狀態(tài)轉(zhuǎn)換到工作狀態(tài)。這個(gè)策略的好處除了降低對(duì)設(shè)備的續(xù)航壓力外，也會(huì)避免一直處于工作狀態(tài)的語音助手，處理并不是發(fā)送給自己的音頻信息。
其實(shí)語音喚醒的難點(diǎn)，主要就是低功耗與用戶臨時(shí)需求之間的矛盾，一個(gè)既能有效喚醒語音助手，又不至于讓系統(tǒng)誤判的喚醒詞也是整個(gè)KWS機(jī)制的核心。大家想必已經(jīng)發(fā)現(xiàn)，目前國內(nèi)市場(chǎng)的智能語音助手喚醒詞往往是4個(gè)字，比如“天貓精靈”、“小愛同學(xué)”、“小度小度”。這是由于漢語發(fā)音與音節(jié)的關(guān)系，大家可以簡(jiǎn)單的把字?jǐn)?shù)理解為音節(jié)。
為什么喚醒詞普遍是4音節(jié)，而不是中國人更習(xí)慣的3音節(jié)或2音節(jié)？這是因?yàn)橐艄?jié)越短，誤喚醒的問題就會(huì)越嚴(yán)重，可如果音節(jié)再長(zhǎng)，就從短語變成了句子，會(huì)降低用戶的交流體驗(yàn)。同理，“Hey”作為一個(gè)英文語氣詞，就像在中文語境中使用“你好”一樣，是為了增加喚醒詞的音節(jié)，讓系統(tǒng)能更準(zhǔn)確的判斷監(jiān)聽到的聲音到底是對(duì)誰說的。
反過來說，省略掉“Hey”就意味著蘋果的KWS技術(shù)有了巨大的進(jìn)步，已經(jīng)能夠?qū)崿F(xiàn)只需要一個(gè)單詞即可判斷用戶意圖的水平。之所以能夠?qū)崿F(xiàn)這一效果，技術(shù)原理其實(shí)并不復(fù)雜，蘋果方面大概率是利用聲紋識(shí)別技術(shù)實(shí)現(xiàn)定向人聲分離，再通過卷積神經(jīng)網(wǎng)絡(luò)搭配聲紋識(shí)別編碼器，在復(fù)雜的聲學(xué)環(huán)境下準(zhǔn)確捕捉到目標(biāo)用戶的聲音。
到目前為止，谷歌相關(guān)設(shè)備依然需要通過“OK Google”與“Hey Google”來喚醒Google Assistant，其中一個(gè)很重要的原因，就是“Google”一詞本身由于谷歌已經(jīng)深入到了用戶的日常生活中，所以并不算冷門，只有這個(gè)詞作為喚醒Google Assistant的“鑰匙”，會(huì)不可避免的導(dǎo)致頻繁誤喚醒。作為對(duì)比，Siri這個(gè)被生造出來的詞匯適用范圍就很窄了，iPhone只需監(jiān)聽到契合“Siri”發(fā)音的聲紋，即可判斷用戶有使用智能語音助手的需求。
并且值得一提的是，據(jù)悉蘋果還計(jì)劃允許Siri與第三方應(yīng)用結(jié)合，而這對(duì)于Siri的易用性將有著極大的促進(jìn)作用。要知道，此前曾有前Siri團(tuán)隊(duì)的成員表示，領(lǐng)導(dǎo)力的缺乏和管理層的不斷變化拖累了Siri前進(jìn)的腳步，其中最關(guān)鍵的原因，就是蘋果方面一直以來堅(jiān)持的封閉模式并沒有對(duì)Siri破例，也未能讓第三方開發(fā)者有更多機(jī)會(huì)創(chuàng)造更多有用的Siri應(yīng)用。
在Siri還沒有被登錄iPhone或被收購前，其創(chuàng)始團(tuán)隊(duì)的預(yù)想其實(shí)是希望能夠擁有一個(gè)第三方的開發(fā)生態(tài)，而這一點(diǎn)也被后來的一眾智能語音助手陸續(xù)實(shí)現(xiàn)。比如說，最初Siri被希望實(shí)現(xiàn)的預(yù)約餐飲功能，是包含著日期、地點(diǎn)、菜品等多方位要素，而非簡(jiǎn)單地搜索一個(gè)餐廳的訂餐電話。
未來Siri能夠接入第三方應(yīng)用，也就意味著蘋果的智能語音助手可以借助第三方的力量，來為自己賦予更多的功能、完成更多的任務(wù)。如果這一消息屬實(shí)，也就意味著在被忽視了多年后，Siri或許將要雄起了。