寶馬自然語音識別體驗，語音識別率和速度都有了顯著提升

寶馬在設(shè)計iDrive （智能駕駛控制系統(tǒng)）時，始終堅持的一個原則是“不分心”。2011年，當(dāng)時的寶馬人機(jī)界面負(fù)責(zé)人Bernarhd Neidermaier在一次交流中提到，設(shè)計師們心里其實有一條水平參考線——顯示相關(guān)的都在線上，控制相關(guān)的在線下。他們努力將兩者剝離，目的是盡可能地減少低頭看屏分散注意力的時間，并且保證駕駛員用按鈕控制時，不用傾斜身體或者抬起手臂。

這種把顯示與控制剝離的設(shè)計，一直被沿用了下來。

另一種讓駕駛員避免分心的辦法，就是在車內(nèi)引入語音交互。畢竟語言最接近人類的交流習(xí)慣，如果和你說話的系統(tǒng)足夠聰明，一句指令就能清楚地指向一個功能，反復(fù)查看屏幕和手動操作的時間，都可以節(jié)省下來。

2016年CES（消費電子展）時，寶馬帶來了為中國用戶開發(fā)的自然語音識別系統(tǒng)（NLU，Natural Language Understanding）。這項技術(shù)最先在3系和7系上應(yīng)用，之后又延伸到了品牌旗下的更多車型。過去幾天，車云菌體驗了一輛寶馬320i的自然語音識別，對這項功能的表現(xiàn)也有了更加直觀的體會，在這套語音系統(tǒng)常規(guī)表現(xiàn)之外，還給它布置了幾道小有挑戰(zhàn)的“附加題”，大家也可以看看這套系統(tǒng)的表現(xiàn)。

先來認(rèn)識一下寶馬的這套自然語音系統(tǒng)

自然語音技術(shù)不是一蹴而就，寶馬引入車載語音技術(shù)已經(jīng)有很多年了。因為語音識別本身就是iDrive系統(tǒng)的一部分，所以語音控制體驗和整個車載娛樂信息系統(tǒng)以及一些車輛輔助（比如空調(diào)等）緊緊聯(lián)系在了一起。

據(jù)資料顯示，第一代iDrive就可以用語音來控制導(dǎo)航和音樂，隨后寶馬又分別在2007年加入了語音撥號，2011年增加了文字轉(zhuǎn)語音讀電郵、短信等功能。

這個階段，寶馬使用的還是“條目式語音”，控制模式很像用鼠標(biāo)去逐個點開系統(tǒng)頁面，而且每次該說什么都要嚴(yán)格遵守規(guī)定。假如你要聽手機(jī)上ColdPlay演唱的Viva la Vida，那就請依次說出“USB-按藝術(shù)家-ColdPlay-按歌名-Viva la Vida”吧。

2012年，語音功能迎來了一次大更新。寶馬宣布開始使用Nuance的Dragon Drive（聲龍駕駛）。這是一套“本地+云端”的混合系統(tǒng)。因為獲得了云端強(qiáng)大的運(yùn)算能力，語音交互不再受限于本地的存儲和算力，語音識別率和速度都有了顯著提升。

當(dāng)時視頻展示的語音交互已經(jīng)開始簡化，雖然依舊需要先說出“導(dǎo)航”這個命令大類，但用戶已經(jīng)可以在地址頁面按要求，一次性輸入完整的目的地地址。

2018款寶馬320i的iDrive系統(tǒng)，用戶可勾選是否通過服務(wù)器進(jìn)行語音識別，來提升語音交互的體驗

更重要的是，云服務(wù)讓語義理解變得更加容易。在2016年寶馬揭曉最新一代自然語音系統(tǒng)時，交互已經(jīng)在努力接近人與人之間的對話。導(dǎo)航時，系統(tǒng)已經(jīng)可以根據(jù)“附近的加油站”這類模糊指令，給出一個非常接近答案的地址列表。

而且交互邏輯中，完成某個任務(wù)期間的多輪語音溝通不用多次喚醒。只要界面左上角的語音標(biāo)識一直處于點亮狀態(tài)，你就可以一直順著引導(dǎo)，把任務(wù)完整布置給系統(tǒng)。因此在用戶端體驗上，寶馬早期語音交互的那種機(jī)械感已經(jīng)被大大稀釋。

2016年發(fā)布的寶馬自然語音識別通過方向盤上的語音按鈕喚醒，可以用于導(dǎo)航，搜索POI，打開音樂廣播，撥打電話，發(fā)送信息，查詢車輛和生活信息等。在每個大類中，語音還可以控制更加細(xì)分的小功能。

上面這個視頻可以讓你直觀感受一下整個語音交互過程，系統(tǒng)對答和提醒的女聲語音聽起來較為舒心，理解任務(wù)的成功率也比較高。在連接服務(wù)器的情況下，語音識別和語義理解的延遲可接受，系統(tǒng)思考的時間幾乎不易覺察。

4道語音考試“附加題”

除了常規(guī)體驗之外，我們?yōu)檫@套語音系統(tǒng)準(zhǔn)備了幾道附加題，更像是有趣的極限挑戰(zhàn)，可以讓大家對系統(tǒng)有更深入的發(fā)現(xiàn)。

1. 打斷和修改

在熟悉和機(jī)器交談后，系統(tǒng)的語音回復(fù)顯得過于冗長。你會在機(jī)器說完所有內(nèi)容之前，就下意識地打斷它。寶馬的自然語音識別在一些環(huán)節(jié)支持打斷，可以兼顧需要解說和簡化溝通的需要。

同時在語音識別、語義理解難免出錯的時候，手動修改錯誤結(jié)果也是一個比較苦惱的問題。刪除和重輸入過程十分繁瑣，使用寶馬自然語音識別系統(tǒng)的語音修改，可以提高溝通效率。

在撥打電話這個任務(wù)中，我們隨機(jī)測試了連續(xù)打斷和修改方面的表現(xiàn)，測試時是車窗關(guān)閉的駐車狀態(tài)，同時云端識別開啟。

2. 強(qiáng)噪音

對于車載環(huán)境，降噪是一項很重要的命題。因為行車時特有的發(fā)動機(jī)聲，開窗時的風(fēng)噪，車內(nèi)其他人的說話聲，都會干擾最終的語音交互效果。

常規(guī)測試車載語音系統(tǒng)的降噪能力，是在高速行駛時開窗測試。我們選擇了更苛刻的條件——在駐車狀態(tài)空調(diào)風(fēng)力全開的時候，隨意使用車載語音功能。因為空調(diào)最大風(fēng)量時發(fā)出來的噪聲非常大，而車機(jī)和空調(diào)出風(fēng)口臨近，會受到很大的干擾。

下面是一個一鏡到底的視頻，云端識別處于開啟狀態(tài)。其中，打開關(guān)閉空調(diào)、按距離篩選POI結(jié)果是車載語音原本不支持的功能，返回結(jié)果失敗的原因不是噪音導(dǎo)致。總體看來，在非常惡劣的環(huán)境下，寶馬這套車載語音的表現(xiàn)不錯。

3. 不連網(wǎng)

這款車載語音產(chǎn)品是一個混合導(dǎo)航。目前這套系統(tǒng)的導(dǎo)航POI（興趣點）數(shù)據(jù)優(yōu)先從云端獲取。為了避免車處在隧道、停車場等信號不佳區(qū)域?qū)е碌捏w驗欠缺，車輛本地也會存放一部分導(dǎo)航數(shù)據(jù)，但一般而言輸出結(jié)果需要更長的時間。

我們關(guān)閉網(wǎng)絡(luò)，測試了非聯(lián)網(wǎng)狀態(tài)POI搜索的表現(xiàn)。結(jié)果發(fā)現(xiàn)，本地處理時間有了明顯增加，系統(tǒng)思考的每個步驟都在屏幕上展示了出來。首先非聯(lián)網(wǎng)帶來的時延，車云菌覺得對駐車狀態(tài)的搜索不會造成太大困擾，但如果在行車過程操作，很有可能會導(dǎo)致錯過路口，路線重新規(guī)劃。對于把每一步都展示給用戶的做法，車云菌認(rèn)為反倒對用戶理解系統(tǒng)是一種幫助，畢竟在本地狀態(tài)下，語音識別過程的拉長，很容易造成“功能不可用”的誤解。

4. 多意圖指令

單一意圖的語言指令，寶馬的這套系統(tǒng)已經(jīng)有不錯的識別表現(xiàn)。但這并沒有滿足我們的好奇心。根據(jù)習(xí)慣，我們常常會使用多意圖的語音指令，比如“提醒我明天下午給車云菌打電話”，對系統(tǒng)來說，挑戰(zhàn)就是分辨該“打電話給車云菌”還是“給備忘錄中增加一個提醒”。

在下面這個視頻，我們試了這樣一組指令。通過不同地名的排列組合，讓系統(tǒng)試著去分辨我們的真實意圖。對于這道題，系統(tǒng)沒能成功給出邏輯上正確的結(jié)果。語義理解是目前語音技術(shù)在重點突破的方向，要讓語音系統(tǒng)真正識別駕駛員的意圖，還需要更多的數(shù)據(jù)和更強(qiáng)大的神經(jīng)網(wǎng)絡(luò)架構(gòu)。

- 導(dǎo)航到天安門

- 導(dǎo)航到西單

- 我要去天安門，不要去西單

- 我要去西單，不要去天安門

- 我不要去天安門，我要去西單

- 我不要去西單，我要去天安門

- 我不要去天安門，也不要去西單

- 我要去天安門和西單

小結(jié)

寶馬最早開始在量產(chǎn)車上使用語音交互的車企之一，并且這項功能已經(jīng)普及到了品牌旗下的眾多車型。語音技術(shù)的持續(xù)發(fā)展，為駕駛員創(chuàng)造了更智能化，情景化，以及更加主動的體驗。隨著智能汽車角色的轉(zhuǎn)變，語音會發(fā)揮的作用一定會越來越大。