與大眾認(rèn)知相反，英語其實(shí)并不是全球使用人數(shù)最多的語言，甚至連第二名都排不上。事實(shí)上，排在第一位的是漢語，第二是西班牙語，西日耳曼語排在第三位，接下來是印地語、阿拉伯語、葡萄牙語、孟加拉語和俄語。

更令人意想不到的是，Google Assistant、蘋果的 Siri、亞馬遜的 Alexa和微軟的 Cortana 雖然已經(jīng)無比強(qiáng)大，但其實(shí)只能識(shí)別這些語言當(dāng)中相對(duì)較少的一部分。直到今年秋天，三星的Bixby才可以識(shí)別德語、法語、意大利語和西班牙語，而這些語言的全球使用總?cè)藬?shù)高達(dá)6.16億人。Cortana 更是花了好幾年時(shí)間才精通西班牙語、法語和葡萄牙語。

為什么識(shí)別新語言的進(jìn)度如此緩慢？究其原因，主要還是訓(xùn)練語音識(shí)別算法的技術(shù)進(jìn)度緩慢，事實(shí)上，AI語音助手比我們表面看起來的要復(fù)雜得多。

為什么支持一門新語言如此艱難？

給語音助手添加語言支持是一個(gè)多管齊下的過程，這需要在語音識(shí)別和語音合成方面進(jìn)行大量的研發(fā)。就語音識(shí)別而言，首先要將語音轉(zhuǎn)換成文本，接下來再進(jìn)行自然語言處理。

如今，大多數(shù)語音識(shí)別系統(tǒng)都借助于深度神經(jīng)網(wǎng)絡(luò)（deep neural networks）來預(yù)測(cè)音素，或感知區(qū)分不同的聲音單位(例如，英語單詞 pad、pat 和 bad 中的 p、b和 d)。以前的自動(dòng)語音識(shí)別(ASR)技術(shù)依賴于手工調(diào)整的統(tǒng)計(jì)模型來計(jì)算單詞組合在短語中出現(xiàn)的概率，而深度神經(jīng)網(wǎng)絡(luò)則不同，它可以將聲音（以分段譜圖或聲音頻率譜的表示形式）轉(zhuǎn)換成字符。這不僅降低了錯(cuò)誤率，而且在很大程度上替代了人工監(jiān)督。

但是，只進(jìn)行基礎(chǔ)的語言理解是不夠的。如果沒有本地化，語音助手就無法了解不同語言所承載的文化的特性。Next IT 首席技術(shù)創(chuàng)新官 Joe Dumoulin 在接受 Ars Technica 采訪時(shí)表示，為一門新語言構(gòu)建一個(gè)查詢理解模塊需要30至90天，具體時(shí)間取決于該模塊需要涵蓋多少意圖。即便是谷歌和亞馬遜推出的市場(chǎng)銷量領(lǐng)先的智能音箱，也很難聽懂帶有某些口音的語言。由 Vocalize.ai 進(jìn)行的一項(xiàng)測(cè)試發(fā)現(xiàn)，蘋果的 HomePod 和亞馬遜的 Echo 只能捕捉到78%的中文單詞，對(duì)英語和印度語的識(shí)別率則為94%。

不同語言的語法結(jié)構(gòu)差異很大。例如，在英語中，形容詞通常出現(xiàn)在名詞之前，副詞可以出現(xiàn)在名詞之前，也可以出現(xiàn)在名詞之后。如果有人說“starfish”并且讓語音助手來識(shí)別的話，很容易將“star”與“fish”理解為形容詞或單個(gè)名詞。語言里含有各種術(shù)語，語音助手必須能適應(yīng)并學(xué)會(huì)辨別不同的習(xí)慣用語。

學(xué)一門語言已經(jīng)夠難了。亞馬遜 Alexa AI 部門的研究人員在2018年8月描述了實(shí)際使用中的一個(gè)典型問題。在與助手聊天過程中，用戶經(jīng)常在連續(xù)的問題中調(diào)用多個(gè)語音應(yīng)用程序。這些應(yīng)用程序需要重復(fù)調(diào)用變量——例如“town”和“city”。如果有人問了方向，接著又問了一個(gè)關(guān)于餐館位置的問題，一個(gè)訓(xùn)練有素的語音助手需要能夠弄清楚在回答這個(gè)問題時(shí)應(yīng)該參考哪條線索。然后，語音助手在分析之后必須做出準(zhǔn)確回應(yīng)，其中的技術(shù)難度非常大。

各大語音助手支持的語言種類有哪些？1. Google Assistant

今年1月，Google Assistant 新增了20多種語言，在各大語音助手中，它所能理解的語言數(shù)量位居榜首。目前，Google Assistant已經(jīng)在80個(gè)國家的近30種語言中被廣泛使用，而在2017年，這一數(shù)字僅為8種語言和14個(gè)國家。其目前支持的語言包括：

阿拉伯語(埃及、沙特阿拉伯)、孟加拉語、中文(繁體)、丹麥語、荷蘭語、英語(澳大利亞、加拿大、印度、印度尼西亞、愛爾蘭、菲律賓、新加坡、泰國、英國、美國)、法語(加拿大、法國)、德語(奧地利、德國)、古吉拉特語、北印度語、印尼語、埃納德語、意大利語、日語、韓語、馬拉雅拉姆語、馬拉地語、挪威語、波蘭語、葡萄牙語（巴西）、俄語、西班牙語(阿根廷、智利、哥倫比亞、秘魯)、瑞典語、泰米爾語、泰盧固語、泰語、土耳其語、烏爾都語

2. 蘋果 Siri

直到今年1月，蘋果的 Siri 在支持語言的廣度方面一直領(lǐng)先于 Google Assistant。目前，它支持36個(gè)國家的21種語言，其中包括:

阿拉伯語、中文(普通話、上海話和廣東話)、丹麥語、荷蘭語、英語、芬蘭語、法語、德語、希伯來語、意大利語、日語、韓語、馬來語、挪威語、葡萄牙語、俄語、西班牙語、瑞典語、泰語、土耳其語

Siri在澳大利亞和英國也有獨(dú)特的本地化語音功能，畫外音藝術(shù)家 Karen Jacobsen 曾在澳大利亞語中提供臺(tái)詞和短語，前科技記者 Jon Briggs 則提供了他的聲音。

3.微軟 Cortana

Cortana于2013年4月在微軟的 Build developer 大會(huì)上首次亮相，后來又通過與亞馬遜的合作，在 Windows 10、耳機(jī)、智能揚(yáng)聲器、Android、iOS、Xbox One，甚至 Alexa 上發(fā)布。Cortana 支持的語言可能不及谷歌 Assistant 和 Siri 那么多。盡管如此，六年來它已經(jīng)取得了長(zhǎng)足的進(jìn)步。以下是它能識(shí)別的語言:

中文(簡(jiǎn)體)、英語(澳大利亞、加拿大、新西蘭、印度、英國、美國)、法語(加拿大、法國)、德語、意大利語、日語、葡萄牙語(巴西)、墨西哥語、西班牙語

和 Siri 一樣，Cortana 也進(jìn)行了廣泛的本地化處理。

4.亞馬遜 Alexa

注：亞馬遜 Alexa

Alexa 可以在41個(gè)國家的150多種產(chǎn)品上使用，但它理解的語言是語音助手中最少的，包括：

英語(澳大利亞、加拿大、印度、英國和美國)、法語(加拿大、法國)、德語、日語、墨西哥語、西班牙語

公平地說，亞馬遜已經(jīng)煞費(fèi)苦心地在新的地區(qū)進(jìn)行本地化處理。Alexa 去年進(jìn)入印度市場(chǎng)后，推出了一種“全新的英語語音”，能聽懂當(dāng)?shù)匕l(fā)音，并能用當(dāng)?shù)匕l(fā)音交談。

亞馬遜正在通過眾包的方式逐步擴(kuò)展語言支持種類，有超過1萬名工程師正在研究其 NLP 協(xié)議棧的各種組件。去年，亞馬遜發(fā)布了一項(xiàng)名為“Cleo”的游戲化功能，用于獎(jiǎng)勵(lì)那些用當(dāng)?shù)卣Z言和方言(如普通話、印地語、泰米爾語、馬拉地語、卡納達(dá)語、孟加拉語、泰盧谷語和古吉拉特邦語)重復(fù)短語的用戶。

5.三星 Bixby

注：三星 Bixby

三星的 Bixby 內(nèi)置在三星的旗艦和中端 Galaxy 智能手機(jī)系列以及即將推出的 Galaxy 家庭智能揚(yáng)聲器中。Bixby 在全球200個(gè)市場(chǎng)上都有銷售，但只支持這些國家的少數(shù)幾種語言:

英語、中文、德語、法語、意大利語、韓語、西班牙語

三星在歷史上曾因 NLP 技術(shù)不完善而受挫?！度A爾街日?qǐng)?bào)》在2017年3月報(bào)道稱，三星被迫推遲了英文版Bixby 的發(fā)布，因?yàn)?Bixby 無法理解某些語法。