在許多的科幻電影中，機器人被描述的與人類無異：無論是其外觀，還是其說法方式，都看不出與人類的差別，甚至產生一段“人機戀”。不過就現階段而言，機器人尚未發展到這種程度，特別是若要機器人與人類產生戀情，聲音與交流將是非常關鍵的一環。
為了讓語音助手的發聲更像人類，從而能進一步提升這類產品對消費者的吸引力，眾多巨頭都做了很多努力，希望讓語音助手的發聲更自然，也更口語化，就像你在與真人交流那樣，從而為消費者帶來更真實、更貼近生活的語音助手。
谷歌用機器學習最佳化語音助手
谷歌近期就釋出了全新的AI語音合成器，一個名為“Cloud Text-to-Speech”的服務，能讓語音助手聽起來更自然更口語化，服務於需要語音合成服務的開發者或企業，無論是應用、網頁還是虛擬助理均可使用。其特別之處在於，“Cloud Text-to-Speech”透過谷歌旗下人工智慧子公司DeepMind開發的WaveNet來驅動。
據瞭解，DeepMind的AI語音合成技術是目前行業最先進、最可實現的技術之一：大部分語音合成器(包括Siri)都使用了“連接合成”技術——程式會儲存單個音節，然後再將其組合到一起，形成單詞和句子，雖然這種方法近年來不斷進步，但聽起來還是非常呆板生硬。相比之下，WaveNet使用了機器學習來從頭生成語音。
實際上，WaveNet分析了一個巨大人類語音資料庫的波形，並以每秒2.4萬個樣本的速度對其重新建立，從而能讓我們感受到一些微妙的變化，包括口音和唇音等。它之前已經被整合到Google Assistant中(儘管只支援英文和日文)，現在則擁有了更多選擇。谷歌表示，新服務可提供12種語言的32種不同聲音能力，而且使用者可以定製高音和語速等細節。
微軟蘋果等也要讓語音助手像人類
據瞭解，微軟同樣利用機器學習等技術讓Cortana聲音更接近人類：Cortana會根據使用者當前對話情景進行情感分析，從而控制自己的語音和語調，產生相應語氣。此外，Cortana更像人也與其聲音來源(Jen Taylor，為《光環》遊戲Cortana配音)有關，“就閒聊部分，全部都是Jen Taylor的聲音;其他部分將由其他聲音混合使用”。
蘋果在iOS 11釋出時這樣評價SIri，“它很自然!一點都不像機器人!”這是因為和過去相比，siri說話時會在句子間加入更多的停頓，更多的長音，更輕快的語調變化，因此它將會比過去更流暢，更像“人”;此外在學會一門新語言的過程中，Siri團隊試圖找到每一個音所有的說法，比如連讀、輕讀、重音、長音、升調、降調等等。
語音助手的競爭很激烈
在人機互動方面，語音助手正在引領AI為主導的下一代人機互動時代，引發了眾多科技公司的競逐：國內的百度搜狗科大訊飛，以及國外的微軟谷歌蘋果亞馬遜等公司都非常重視語音互動技術，試圖讓語音互動變得更為實用，從而能爭奪新時代下的超級入口。據媒體報道，Spotify也正測試其語音助手，將讓消費領域的語音助手之爭變得更加激烈。
科技公司也瞄準了語音助手在企業領域的前景。前段時間，IBM正式釋出了沃森助手(Watson Assistant)，可以置於多種平臺，如汽車、酒店或家電等。據IBM稱，Watson是一個企業助理，旨在幫助企業提高他們的消費者體驗。亞馬遜則於去年11月公佈了企業版Alexa，允許企業開發定製功能，並把Alexa置入各種產品中。可以預見，無論是技術研發，還是產品落地，各大公司都會針對語音互動技術展開激烈競逐。
語音助手走向成功仍需進化
雖然語音助手的發展正如火如荼，但必須要承認，語音助手想要真正成功仍需進化。比如亞馬遜Alexa智慧音箱發出的怪笑事件，就引發了不少使用者恐慌，凸顯出語音助手技術的不完善：特別是某些情況下，即使沒有語音喚醒，Alexa裝置也發出了莫名其妙怪笑聲。
語音助手不夠“智慧”也是老生常談的話題(目前的語音助手不過是個高階玩具)，包括回答問題的準確性、理解使用者需求、提供個性化建議等等。事實上，依然有不少使用者並未接觸到語音助手，或折即使有時候，但頻率較低，都表明了語音助手還有較長的路要走。
寫在最後
隱私問題也是語音助手發展路上不容忽視的問題，比如Siri近期被曝出的“能在裝置鎖定時讀取隱藏資訊，並可能將讀取到的資訊公之於眾”的漏洞，就讓不用擔心：伴隨著語音助手的進一步普及，提供語音助手服務的公司真能保證隱私不被洩露嗎?若發生這類問題，又該如何是好呢?畢竟當語音助手足夠智慧時，消費者的許多隱私都會被它掌握，相信到時候隱私洩露的風險也將是使用者難以承受的。
在許多的科幻電影中，機器人被描述的與人類無異：無論是其外觀，還是其說法方式，都看不出與人類的差別，甚至產生一段“人機戀”。不過就現階段而言，機器人尚未發展到這種程度，特別是若要機器人與人類產生戀情，聲音與交流將是非常關鍵的一環。
為了讓語音助手的發聲更像人類，從而能進一步提升這類產品對消費者的吸引力，眾多巨頭都做了很多努力，希望讓語音助手的發聲更自然，也更口語化，就像你在與真人交流那樣，從而為消費者帶來更真實、更貼近生活的語音助手。
谷歌用機器學習最佳化語音助手
谷歌近期就釋出了全新的AI語音合成器，一個名為“Cloud Text-to-Speech”的服務，能讓語音助手聽起來更自然更口語化，服務於需要語音合成服務的開發者或企業，無論是應用、網頁還是虛擬助理均可使用。其特別之處在於，“Cloud Text-to-Speech”透過谷歌旗下人工智慧子公司DeepMind開發的WaveNet來驅動。
據瞭解，DeepMind的AI語音合成技術是目前行業最先進、最可實現的技術之一：大部分語音合成器(包括Siri)都使用了“連接合成”技術——程式會儲存單個音節，然後再將其組合到一起，形成單詞和句子，雖然這種方法近年來不斷進步，但聽起來還是非常呆板生硬。相比之下，WaveNet使用了機器學習來從頭生成語音。
實際上，WaveNet分析了一個巨大人類語音資料庫的波形，並以每秒2.4萬個樣本的速度對其重新建立，從而能讓我們感受到一些微妙的變化，包括口音和唇音等。它之前已經被整合到Google Assistant中(儘管只支援英文和日文)，現在則擁有了更多選擇。谷歌表示，新服務可提供12種語言的32種不同聲音能力，而且使用者可以定製高音和語速等細節。
微軟蘋果等也要讓語音助手像人類
據瞭解，微軟同樣利用機器學習等技術讓Cortana聲音更接近人類：Cortana會根據使用者當前對話情景進行情感分析，從而控制自己的語音和語調，產生相應語氣。此外，Cortana更像人也與其聲音來源(Jen Taylor，為《光環》遊戲Cortana配音)有關，“就閒聊部分，全部都是Jen Taylor的聲音;其他部分將由其他聲音混合使用”。
蘋果在iOS 11釋出時這樣評價SIri，“它很自然!一點都不像機器人!”這是因為和過去相比，siri說話時會在句子間加入更多的停頓，更多的長音，更輕快的語調變化，因此它將會比過去更流暢，更像“人”;此外在學會一門新語言的過程中，Siri團隊試圖找到每一個音所有的說法，比如連讀、輕讀、重音、長音、升調、降調等等。
語音助手的競爭很激烈
在人機互動方面，語音助手正在引領AI為主導的下一代人機互動時代，引發了眾多科技公司的競逐：國內的百度搜狗科大訊飛，以及國外的微軟谷歌蘋果亞馬遜等公司都非常重視語音互動技術，試圖讓語音互動變得更為實用，從而能爭奪新時代下的超級入口。據媒體報道，Spotify也正測試其語音助手，將讓消費領域的語音助手之爭變得更加激烈。
科技公司也瞄準了語音助手在企業領域的前景。前段時間，IBM正式釋出了沃森助手(Watson Assistant)，可以置於多種平臺，如汽車、酒店或家電等。據IBM稱，Watson是一個企業助理，旨在幫助企業提高他們的消費者體驗。亞馬遜則於去年11月公佈了企業版Alexa，允許企業開發定製功能，並把Alexa置入各種產品中。可以預見，無論是技術研發，還是產品落地，各大公司都會針對語音互動技術展開激烈競逐。
語音助手走向成功仍需進化
雖然語音助手的發展正如火如荼，但必須要承認，語音助手想要真正成功仍需進化。比如亞馬遜Alexa智慧音箱發出的怪笑事件，就引發了不少使用者恐慌，凸顯出語音助手技術的不完善：特別是某些情況下，即使沒有語音喚醒，Alexa裝置也發出了莫名其妙怪笑聲。
語音助手不夠“智慧”也是老生常談的話題(目前的語音助手不過是個高階玩具)，包括回答問題的準確性、理解使用者需求、提供個性化建議等等。事實上，依然有不少使用者並未接觸到語音助手，或折即使有時候，但頻率較低，都表明了語音助手還有較長的路要走。
寫在最後
隱私問題也是語音助手發展路上不容忽視的問題，比如Siri近期被曝出的“能在裝置鎖定時讀取隱藏資訊，並可能將讀取到的資訊公之於眾”的漏洞，就讓不用擔心：伴隨著語音助手的進一步普及，提供語音助手服務的公司真能保證隱私不被洩露嗎?若發生這類問題，又該如何是好呢?畢竟當語音助手足夠智慧時，消費者的許多隱私都會被它掌握，相信到時候隱私洩露的風險也將是使用者難以承受的。