思必馳高始興對智能語音在車載領(lǐng)域的應(yīng)用的解讀

現(xiàn)在語音交互在車載場景下有哪些應(yīng)用？痛點在哪些地方？難點在哪些地方？現(xiàn)在面臨哪些挑戰(zhàn)？怎么解決？包括產(chǎn)品設(shè)計，諸多的一些想法、問題，我來簡單分享一下幾個觀點，跟各位做一個交流。

我們見了很多的車載的后市場，包括傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型，包括互聯(lián)網(wǎng)新型智能硬件開發(fā)者，像后視鏡、HUD等，現(xiàn)在大家普遍的感覺車載的語音交互是一個大的趨勢，但是依然有一些認(rèn)為在車載場景下語音的交互還是一個噱頭。主要是因為使用率最廣但漸漸成為調(diào)戲工具的SIRI，其次他們擔(dān)心在車載場景下的使用語音的安全性。我們認(rèn)為， SIRI等助手在手機端變成調(diào)戲工具，這是一個必然。早期很多助手應(yīng)用我們語音技術(shù)，接入思必馳語音云，通過數(shù)據(jù)分析發(fā)現(xiàn)，很多用戶問的事情是偏帶顏色的，比如問一些AV女優(yōu)、AV大片名字方便查詢。其次，現(xiàn)在應(yīng)用語音的車載產(chǎn)品大多只能做到簡單交互，只是為了市場跟風(fēng)而加上的功能，在產(chǎn)品設(shè)計和內(nèi)容方便明顯存在短板,不夠便捷不夠方便。

開車是非常乏味的事情，因此車載交互也在向趣味性方向發(fā)展，比如高德做的林志玲航的導(dǎo)航，我問了一下出租車司機，其中一個司機特別典型，他說我們開車非常悶，林志玲的聲音讓我心里挺激動的，沒有寂寞感。我們現(xiàn)在跟考拉也在做一些個性化的聲音，我們相信有人性化的車載交互會讓語音體驗大幅增加，會讓用戶的黏性大幅提高。林志玲的聲音高德在做了，我相信女孩喜歡聽男神的聲音，我們未來會出很多男神聲音、女神聲音，小孩聲音，個性化的語音合成，這本來也是思必馳的優(yōu)勢之一。

車載環(huán)境的語音交互，更重要的是能提升駕車安全。一般認(rèn)為，在車載里面的應(yīng)用操控應(yīng)該在兩秒之內(nèi)，其實我覺得兩秒有點長，甚至應(yīng)該在一秒、零點幾秒，比如在高速上開車，速度是非?？斓?，如果分神去做操控非常危險。但在設(shè)置導(dǎo)航、接聽電話、發(fā)微信的時候，緊急情況還是需要去操控它。毫無疑問，語音操控更加安全的?，F(xiàn)在車載產(chǎn)品的市場有1.6億，年增量2000萬，但是統(tǒng)計30%的車主在開車的時候是離不開手機的。這很危險。媒體經(jīng)常曝光拿手機發(fā)微信、發(fā)微博等等導(dǎo)致車禍。電影《2012》大家都看過，比尼說出“enginestar”啟動了保時捷死里逃生。在科幻電影里面的交互我相信在生活中能全部實現(xiàn)?，F(xiàn)在市面上馬上會出現(xiàn)全自然語音交互的車載產(chǎn)品，比如像戰(zhàn)斗機應(yīng)用的HUD技術(shù)，樂駕CEO老馬會跟大家分享他們的HUD產(chǎn)品。

車主到底對智能語音交互接受程度怎么樣？沒有用戶接受,一款產(chǎn)品還是rubbish。騰訊做的一個調(diào)研， 76%的用戶對車載智能功能接受度越來越高，全語音控制導(dǎo)航的功能使用占比排第二，僅次于被盜車輛定位，中國太不安全了，小偷太多沒辦法。但即使車輛的定位、被盜的問題我相信未來語音的交互也能解決。比如現(xiàn)在我們汽車還是用鑰匙、用觸摸去開門，未來我們能不能用聲紋，比如說芝麻開門，車能夠識別主人身份，你可以給愛車起名字，你說話汽車就響應(yīng)，別人說話不好使，這個一定能實現(xiàn)。

另外在汽車前裝市場很多高端車把語音交互系統(tǒng)作為標(biāo)配，這能引領(lǐng)和培育用戶認(rèn)知。我個人認(rèn)為前裝市場還是相對很難進入，而且創(chuàng)新的產(chǎn)品，優(yōu)秀的體驗還是從后裝做起，包括HUD、行車記錄儀、后視鏡，中控設(shè)備。前裝市場的思路相對比較傳統(tǒng)，需要被顛覆，而且驗證周期特別長，像語音驗證周期一般兩三年，甚至三五年，飛馳鎂物很有經(jīng)驗，他們做了多年傳統(tǒng)前裝。

我們現(xiàn)在提智能語音基本上都認(rèn)為語音導(dǎo)航，其實不單單是導(dǎo)航，車載語音交互在向其他應(yīng)用擴展，服務(wù)性擴展?；仡^看，從2011年智能車載化到現(xiàn)在經(jīng)過了大概三個階段，傻瓜式1.0，擴展式2.0，和交互式的3.0。在2.0的時候語音控制還是比較低級，在交互式3.0語音需求和功能已經(jīng)上升第一位，甚至超過了LBS。再一個是相關(guān)的應(yīng)用的服務(wù)，內(nèi)嵌的語音交互在大量拓展，整個車載生態(tài)在更繼續(xù)發(fā)展。

除了導(dǎo)航，其他很多服務(wù)和功能都需要語音交互，而且會做的越來越炫、越來越酷。比如收發(fā)短信，有些車載智能硬件已經(jīng)有這個功能，撥打電話，包括小說朗讀，天氣搜索，網(wǎng)絡(luò)電臺等等都已經(jīng)逐步邁入市場。網(wǎng)絡(luò)電臺方面，考拉做的很棒，未來我們跟老俞這方面會做的更加炫酷，有的人愿意聽謝霆峰的聲音，那你就可以選謝霆峰的聲音給你讀小說，現(xiàn)在這個技術(shù)已經(jīng)基本成熟，未來你把家人的聲音，比如男朋友、女朋友或者孩子聲音傳上去，自己下載一個語音包，未來你聽小說、聽電臺的內(nèi)容、聽新聞等等，這些都可以是你愛人的聲音、孩子的聲音，我們目前跟考拉、跟上海交大實驗室都在做這些事情。再一個微信，微信功能也是一個痛點需求，很多車禍就是因為司機在開車的時候收發(fā)微信，這一塊怎么做到極致體驗？一定要語音解決，樂駕做HUD“車蘿卜”，已經(jīng)解決了這個難點。另外，關(guān)于未來的拓展我很看好O2O，車載生態(tài)不僅僅是解決目前的一些功能，未來能不能我們在搜加油站、停車位、酒店時，像在手機端一樣形成一個閉環(huán)，從搜索到導(dǎo)航到支付交易評價。社交，開車的時候我們通過行車記錄儀也好、HUD也好直接給景色拍照，全語音操作，能夠直接分享到微博、微信上。包括聲紋密碼，聲紋密碼不單是解鎖開車，不單是個人支付，我們希望要做到的就是它知道你的身份，知道你的相關(guān)的信息，推送的信息都是個性化的，甚至我們通過登陸查酒店的時候它知道你是男女，你的歷史記錄，你的年齡段。這些都是語音交互在車載方面的應(yīng)用可能。

現(xiàn)在車載智能硬件層出不窮，車機相對來說是挺主流的設(shè)備?，F(xiàn)在后視鏡市場特別火，行車記錄儀防碰瓷現(xiàn)在也非常流行，OBD目前還比較傳統(tǒng)，車載音箱比如考拉做得很不錯，再包括一些其他的小智能硬件，車載環(huán)境里面到底哪一塊屏?xí)贾髁?？還有一個說法，HUD抬頭顯示系統(tǒng)在戰(zhàn)斗機、高端車?yán)锩娑加?，現(xiàn)在全自然語音交互加手勢式交互的HUD概念已經(jīng)出來了，比如樂駕的“車蘿卜”，我覺得HUD也有很大可能，撬動未來車載的生態(tài)。不管怎么樣，絕對離不開語音交互。

從傻瓜式1.0到語音交互式3.0，從語音導(dǎo)航到其他功能，現(xiàn)已經(jīng)一步步成為現(xiàn)實。但現(xiàn)在去暢想O2O、聲紋密碼等，語音技術(shù)是不是已經(jīng)能夠直接應(yīng)用？我覺得還不到時候。語音交互雖然實現(xiàn)了技術(shù)上的可能性，但離質(zhì)的飛躍還有距離。目前的語音只是在載里面加上一個耳朵、一個嘴巴，還缺一個大腦，如何去協(xié)調(diào)在車載環(huán)境下遇到的種種挑戰(zhàn)。

第一，近場抗噪。語音識別在駕車的噪聲環(huán)境下怎么樣，人跟車機或者車載智能硬件往往有一段距離，0.3~1米的距離范圍里，噪聲很多，發(fā)動機聲噪、路噪、人的說話，音噪等，怎樣抗噪？播放音樂的時候回聲對消我們已經(jīng)能夠?qū)崿F(xiàn)，在跟多種車載設(shè)備交互下的算法降噪，我們思必馳一直在研發(fā)并且目前也有一些還比較滿意的進步。

第二，自然語音交互。這是讓車載生態(tài)能夠發(fā)展最核心音素，現(xiàn)在車載交互還大多停留在簡單操控階段，簡單控制、簡單命令、簡單搜索、簡單查詢。但如果我們想撬動O2O，一定要首先形成閉環(huán)。就像人跟手機的關(guān)系，所有的購物、查詢搜索、玩游戲一定會在智能手機完成，不會再跳轉(zhuǎn)另一個設(shè)備上。車載生態(tài)起來一定會形成一個閉環(huán),不僅僅是簡單語音交互，一定是自然語言的交互、一定是對話式交互，這個是應(yīng)用趨勢。思必馳目前一直在努力地，就是真正的對話式人性化語言交互技術(shù)。

第三，產(chǎn)品設(shè)計層面的邏輯關(guān)系。我們智能車載硬件的麥克風(fēng)、喇叭、結(jié)構(gòu)布局和錄音收音效果的關(guān)系，怎么保證抗噪，包括我們語音交互跟后端服務(wù)怎么結(jié)合。比如語音導(dǎo)航時，能不能跳轉(zhuǎn)到搜音樂，在導(dǎo)航的時候能不能收發(fā)微信等，產(chǎn)品邏輯這是非常大的挑戰(zhàn)。這需要產(chǎn)品開發(fā)者和思必馳一起來討論來解決的問題。

（高總此刻給大家放了兩個視頻，一個是春節(jié)期間的山東糾正哥的網(wǎng)絡(luò)視頻，一個是思必馳最新的可糾正打斷功能的實際演示視頻。涉及到技術(shù)曝光，此刻先不做播放。如有興趣的，可關(guān)注7月中旬的思必馳新技術(shù)發(fā)布會。）

這是我們做的一個語音糾正的功能演示。糾正哥遇到的問題我們在車?yán)锩娴臅r候經(jīng)常遇到，在車載噪聲環(huán)境下語音識別很難達到百分之百，現(xiàn)在語音交互還是比較差，經(jīng)常會讓人抓狂，我們就做這批技術(shù)，能夠隨時打斷和糾正機器的判斷和識別。我們在7月份會有新技術(shù)的大型發(fā)布會，到時候會邀請各位朋友參加。目前的語音交互僅僅實現(xiàn)操控、命令，簡單的查詢，這是遠(yuǎn)遠(yuǎn)不行的，一定是真正的智能語音的技術(shù)的進步，才能讓整個生態(tài)進來，才能讓整個整個產(chǎn)品體驗帶來質(zhì)的飛躍。

最后插播小廣告——關(guān)于思必馳。我們最早成立劍橋大學(xué)，現(xiàn)在拿到兩輪投資，我們專注人機對話，以及語音識別、理解、合成、設(shè)備一系列技術(shù)，我們把這個技術(shù)做成開放解決方案，提供垂直行業(yè)像車載、家居、穿戴，包括機器人玩具等等這些行業(yè)的開發(fā)者，讓他們結(jié)成了我們的相關(guān)的SDK方案以后提升產(chǎn)品的交互體驗。車載方面我們對芯片廠商、方案廠商，還有車載智能硬件合作伙伴提供我們們相關(guān)的技術(shù)和方案。