7月9日消息，據(jù)國外媒體報(bào)道，蘋果正在測試Dragon Dictation語音輸入功能的本地離線版本，在未來的iOS設(shè)備中將可能增加離線語音輸入功能。而在去年的谷歌I/O大會(huì)上，谷歌發(fā)布了Android4.1系統(tǒng)，其中就增加了離線語音輸入功能。蘋果引入該項(xiàng)Android已有的功能，旨在讓iOS7生態(tài)系統(tǒng)更加完善。

Dragon Dictation是由著名的語音識別軟件公司Nuance開發(fā)的，適用于iPhone，iPad和 iPod touch用戶的一款語音識別應(yīng)用軟件，能將用戶的語音轉(zhuǎn)換成文字。目前的DragonDictation在進(jìn)行語音輸入時(shí)，iOS系統(tǒng)會(huì)利用軟件將語音上傳至云端，然后將其轉(zhuǎn)變成文本。這種方式需要互聯(lián)網(wǎng)連接且大多數(shù)情況下需要長時(shí)間載入，對用戶來說使用并不方便。

離線語音輸入功能將提高智能語音技術(shù)體驗(yàn)

語音輸入需要流量，如果普通話不太標(biāo)準(zhǔn)也會(huì)受影響，同時(shí)還存在吵鬧環(huán)境中無法有效識別的問題。離線語音輸入功能引入iOS7，iOS設(shè)備將不需要網(wǎng)絡(luò)連接就可以直接處理和轉(zhuǎn)換語音，這將會(huì)大大加快語音輸入郵件、短信、筆記的速度。

業(yè)內(nèi)人士猜測，蘋果可能會(huì)將該技術(shù)從Dragon Dictation轉(zhuǎn)至Siri，從而使得該語音助手更加快速地回應(yīng)特定請求。如果Dragon Dictation能和Siri相結(jié)合的話，將極大的提高Siri的響應(yīng)速度和削弱對網(wǎng)絡(luò)的依賴，而使智能語音技術(shù)體驗(yàn)大幅度提高。

智能語音技術(shù)與傳統(tǒng)的語音識別有所不同。傳統(tǒng)的語音識別是將用戶所說的語音正確的識別轉(zhuǎn)化為文本，比較有代表性的即為Google的Voice Search。而智能語音技術(shù)就是在傳統(tǒng)語音識別的基礎(chǔ)上更進(jìn)一步，對進(jìn)行了語義的理解，并根據(jù)用戶語音的意圖進(jìn)行回答，讓機(jī)器像人一樣“能聽會(huì)說”的技術(shù)，它帶來了人機(jī)交互的根本性變革。

那么智能語音技術(shù)是如何做到語義識別的？

在如上圖所示的智能語音技術(shù)原理中，用戶語音首先被語音識別服務(wù)轉(zhuǎn)換為文字，發(fā)送至云端服務(wù)器對語音識別所獲得文字進(jìn)行語義和語法的識別判斷，以“我想在辦公室附近找個(gè)浪漫點(diǎn)的地方吃意大利菜”為例，智能語音技術(shù)在獲得文本后，根據(jù)其語法模型進(jìn)行語法分析，得出此為一個(gè)“主語+謂語+賓語+副詞”的句法結(jié)構(gòu)。其中，主語為“我”，即用戶，“想找一個(gè)浪漫的地方”說明用戶希望找一個(gè)地方，此地方的特征是“浪漫”, “意大利菜”說明用戶的目的是吃飯，而且是意大利食品，并且用戶要求“辦公室附近”。

根據(jù)這些關(guān)鍵信息，智能語音技術(shù)按照算法，判斷用戶可能是在尋找一個(gè)在自己附近的浪漫的意大利餐廳。之后，利用服務(wù)提供商的搜索引擎搜索，并將結(jié)果的文字按照語法進(jìn)行整合，形成回答。

智能語音技術(shù)日益重要 前景廣闊 多家公司進(jìn)場PK

隨著智能終端、無線網(wǎng)絡(luò)的廣泛普及，在移動(dòng)互聯(lián)網(wǎng)時(shí)代，智能語音技術(shù)的重要性日益顯現(xiàn)。

Strategy Analytics的統(tǒng)計(jì)表明，2012年，中國原始設(shè)備制造商(OEM)所提供的具備語音人機(jī)接口的信息娛樂和車載信息通信系統(tǒng)(telematics)的出貨量達(dá)到300萬臺(tái)，并預(yù)期在2018年達(dá)到2000萬臺(tái)。在北美和歐洲市場，帶語音交互功能的車載設(shè)備應(yīng)用已很普及。

福特SYNC系統(tǒng)，即專為手機(jī)和數(shù)字媒體播放器配備的福特車載多媒體通信娛樂系統(tǒng)，是目前車載系統(tǒng)中采用語音交互技術(shù)的成功的案例。搭載SYNC系統(tǒng)后，配合汽車中控臺(tái)上的顯示屏，可通過語音控制、兼容并操控便攜式通信/娛樂設(shè)備等方式，讓駕駛者在開車過程中更輕松，便捷地實(shí)現(xiàn)諸如語音撥號、語音播出短信內(nèi)容、語音控制音樂播放等功能。

而汽車業(yè)之外，移動(dòng)互聯(lián)網(wǎng)終端大概是目前最熱衷采用智能語音技術(shù)的一類產(chǎn)品了。2011年10月，蘋果率先推出了智能語音助理應(yīng)用Siri，并在2012年6月發(fā)布的IOS6中支持中文服務(wù)；Google公司也在其安卓智能手機(jī)操作系統(tǒng)中推出了Google Now智能語音搜索及問答服務(wù)；微軟公司已經(jīng)利用DNNS（深度神經(jīng)網(wǎng)絡(luò)）改進(jìn)語音識別系統(tǒng)，將Windows Phone系統(tǒng)的語音識別引擎速度提高1倍，將詞匯錯(cuò)誤率降低了15%。

除了智能語音識別，我們再來看看語音輸入法的歷史。語音輸入應(yīng)用到手機(jī)上還是訊飛輸入法的首創(chuàng)。

2010年10月，訊飛語音云發(fā)布，并推出了訊飛語音輸入法Android平臺(tái)的第一個(gè)版本，拉開了移動(dòng)互聯(lián)網(wǎng)語音應(yīng)用熱潮的序幕；

2011年7月，谷歌在谷歌拼音輸入法(Android)中加入了中文語音輸入功能；

2012年5月，百度手機(jī)輸入法v3.0版本發(fā)布，新增了語音輸入功能；

2012年6月，蘋果召開新聞發(fā)布會(huì)，介紹最新的IOS 6中加入了中文語音輸入功能。

現(xiàn)在，幾乎每一家手機(jī)廠商都試圖將語音技術(shù)融于其移動(dòng)產(chǎn)品、應(yīng)用和服務(wù)中。這其中最主要的一個(gè)原因就是這類終端設(shè)備外型小巧，觸摸輸入很不方便，這種情況下，語音交互就變成了一種非常必要的人機(jī)溝通的補(bǔ)充方式。

語音識別需謹(jǐn)慎 范圍要界定好

去年10月，蘋果公司Siri中文版被爆“涉黃”，用戶可使用語音指令查詢到附近的“三陪”信息。蘋果公司在面對公眾壓力兩周之后做出反應(yīng)，從搜索源頭屏蔽了相關(guān)內(nèi)容，使用戶無法搜再出“涉黃”信息。

“Tits &Glass”是Google Glass上首款色情應(yīng)用，上線幾小時(shí)后就被下架，Google還專門為其修改了開發(fā)者政策，禁止 Google Glass應(yīng)用出現(xiàn)成人內(nèi)容，但這款應(yīng)用沒多久后在Google Glass上重新上架，只是用戶不再能直接分享圖片給你的Google+ 好友。而Google Glass在使用中一般只展示圖片和標(biāo)題，大部分密集文字內(nèi)容都是通過智能語音朗讀來完成，這就對色情應(yīng)用提供了土壤，使其可能被濫用。

語音識別功能雖然逐漸智能化人性化，但是發(fā)展范圍研發(fā)公司一定要做合理的限定，避免技術(shù)被濫用。