青央导语：Amazon的Echo意外获得了成功之后，现在大家都在跟风，就连大厂Google也在前几天发布了自己的Google Home，其实就是一个Echo的翻版。其实这两个产品的最大的特色并不是语音对话，而是更自然的交互，也就是远场的语音识别。
Amazon Echo
语音对话从Apple的Siri开始，那是很久以前的事了，那一年乔布斯还在世。现在在智能手机里面已经是标配了，我个人觉着国外Google做的好一点，Microsoft和Apple也还可以，Amazon倒是后起之秀；国内讯飞和百度差不多，腾讯和阿里都在自己研发类似技术，还有一些小公司也在做。除了语音助手，智能电视遥控器里面也很普及，比如按住小米电视遥控器的Home键，然后就可以说要看什么电视剧或者电影，系统就会帮你找到。
但是不论是手机上的语音助手还是电视等设备的遥控器，用户对于语音的接受度并不高，只有百分之几的使用率。
我觉着原因第一是体验不够好，尤其是在国内，对话的体验很差，经常上句不接下句，做个Demo还可以，日常用经常要骂娘。
第二是有可以替代的体验，手机上可以触摸，电视上可以上下左右选择，还都有很好的屏幕的视觉反馈，语音并不是必须的。
那为啥同样的技术放在智能家居里面大家就觉着这个体验好了呢，我猜有两个原因：
一是智能家居用户基数少，以能折腾的玩家为主，对于语音的接受度高，用户的学习能力也强，就算是体验不好用户也能自我纠正。
二是远场语音识别的体验已经可用了，而音箱这样的设备并没有别的输入输出形式，只能用语音，没有比较也就没有互相伤害。
远场语音识别主要靠的是硬件，灵敏度更好的麦克风阵列，可以定向识别语音，强大的噪声消除算法，可以在有环境噪音的时候分辨出人声。这类硬件成本目前还在人民币一百元以上，而普通的一个麦克风也就几块钱成本，这也就是为什么带远场语音识别的设备都比较贵了。即使是有了好的硬件，也要做一些体验的优化，比如唤醒词，音节越多对比越大越好，Amazon的Echo的唤醒词是“Alexia”，Google Home的唤醒词是“OK Google”，这样才能保证高的准确率和低的误识别率。
插播广告，小米生态链企业上海创米做了一个高端的摄像头，名字叫小白。设计的时候也有语音识别功能，放了两个麦克风，用的是讯飞的语音识别算法，已经是国内最好得了。实际测试的时候发现，只能在一米以内才能把提体验做好。唤醒词最早的时候是“小白”，实测发现误识别率很高，后来改成了“小白小白”，好了一些。鉴于它是一个摄像头，最终改成了“小白看过来”，它听到后会把头转过来，还是很萌的，有这款产品的可以试试。研发团队正在研发二代，估计会加入远场语音识别，价格也会高一两百块钱。
广告结束，说一下我的一点浅见。
这类语音对话设备只是一个开始，将来也未必是音箱这种形态，关键是技术成熟，成本用户可以接受。这样你可以对着空调说话，对着灯说话，它们都会听你的，仿佛这些设备都有了生命。而用户也很自然的接受这些设备是可以对话的，那个时候才是语音对话设备的爆发期。
用户对于这类体验的向往已经有了上千年，也体现在很多文学作品里面。比如《白雪公主》，里面的女王有一个魔镜，那就是一个非常典型的语音识别设备，唤醒词是“魔镜、魔镜告诉我”，可能当时的技术还不太成熟，要这么多音节才能唤醒。
蛋君说：魔镜背后是强大的搜索能力，比如“谁是世界上最美丽的女人”，现在Google已经有那么个意思了，强大的深度学习能力，回答这个问题是小菜一碟。除了搜索，还有其它服务的整合，比如百度还能给你送外卖。
评论 (1)