文|三易生活
“Hey Siri，講個笑話”，相信許多iPhone用戶都嘗試過這樣與蘋果的智能語音助手Siri對話，但在未來，大家與Siri聊天時可能就要換一個詞了。日前有消息顯示，蘋果方面計劃將智能語音助理Siri的喚醒詞從“Hey Siri”簡化為“Siri”，這一變化預(yù)計將在2023年某個時候或2024年推出，同時蘋果正在將Siri整合至第三方APP，來為用戶提供更多語境和幫助。
作為蘋果推出的智能語音助手，早在2011年就已亮相的Siri，無疑是這十余年來手機廠商在AI領(lǐng)域探索的代表之一。別看蘋果未來僅僅只是去掉了“Hey”這個單詞，但這一微小變化的背后卻代表著蘋果AI技術(shù)的長足進步，同時也意味著蘋果在智能語音助手領(lǐng)域已經(jīng)追上了競爭對手亞馬遜的腳步。畢竟在很長一段時間里，盡管作為智能語音助手領(lǐng)域的先行者，Siri卻一直被用戶吐槽“有點蠢”、“不智能”。
從“Hey Siri”到“Siri”，反映的是蘋果在語音識別技術(shù)上有了重大的突破。就像每個人都有自己的名字一樣，智能語音助手其實也需要特定的詞匯來讓它知道用戶是在喊自己。從某種程度上來說，喚醒詞同時也是智能語音助手品牌形象的一大組成部分，通過每一次激活語音助手時說出的喚醒詞，消費者關(guān)于這個品牌的記憶就在這樣日復(fù)一日的復(fù)讀中不斷被強化。
那么為什么智能語音助手一定需求一個喚醒詞呢？這是因為智能語音助手如今還不可能24小時時刻保持在線狀態(tài)，需要保證只有在用戶需要時才進入工作狀態(tài)，其他時間則保持休眠。相比于按專屬按鍵喚醒、點擊圖標(biāo)喚醒這類觸摸喚醒機制，使用特定的喚醒詞來激活智能語音助手，也更契合這一產(chǎn)品的特質(zhì)。
語音喚醒被稱之為keyword spotting（下文簡稱為KWS），即在連續(xù)語流中實時檢測出說話人的特定片段，而這個特定片段就是喚醒詞。通常來說，如果不是手動禁用語音助手，后者作為系統(tǒng)級服務(wù)會長時間駐留在后臺，然而智能語音助手作為一個需要大量AI算力支撐的功能，在工作狀態(tài)下需要不低的性能開銷，同時也會相應(yīng)的提升功耗。
面對這一問題，開發(fā)者想出的辦法是通過專用于語音喚醒的低功耗協(xié)處理器來實時監(jiān)聽麥克風(fēng)，一旦監(jiān)聽到類似“Hey Siri”、“小愛同學(xué)”、“Hey Google”這類關(guān)鍵喚醒詞時，就會將語音助手從休眠狀態(tài)轉(zhuǎn)換到工作狀態(tài)。這個策略的好處除了降低對設(shè)備的續(xù)航壓力外，也會避免一直處于工作狀態(tài)的語音助手，處理并不是發(fā)送給自己的音頻信息。
其實語音喚醒的難點，主要就是低功耗與用戶臨時需求之間的矛盾，一個既能有效喚醒語音助手，又不至于讓系統(tǒng)誤判的喚醒詞也是整個KWS機制的核心。大家想必已經(jīng)發(fā)現(xiàn)，目前國內(nèi)市場的智能語音助手喚醒詞往往是4個字，比如“天貓精靈”、“小愛同學(xué)”、“小度小度”。這是由于漢語發(fā)音與音節(jié)的關(guān)系，大家可以簡單的把字數(shù)理解為音節(jié)。
為什么喚醒詞普遍是4音節(jié)，而不是中國人更習(xí)慣的3音節(jié)或2音節(jié)？這是因為音節(jié)越短，誤喚醒的問題就會越嚴重，可如果音節(jié)再長，就從短語變成了句子，會降低用戶的交流體驗。同理，“Hey”作為一個英文語氣詞，就像在中文語境中使用“你好”一樣，是為了增加喚醒詞的音節(jié)，讓系統(tǒng)能更準(zhǔn)確的判斷監(jiān)聽到的聲音到底是對誰說的。
反過來說，省略掉“Hey”就意味著蘋果的KWS技術(shù)有了巨大的進步，已經(jīng)能夠?qū)崿F(xiàn)只需要一個單詞即可判斷用戶意圖的水平。之所以能夠?qū)崿F(xiàn)這一效果，技術(shù)原理其實并不復(fù)雜，蘋果方面大概率是利用聲紋識別技術(shù)實現(xiàn)定向人聲分離，再通過卷積神經(jīng)網(wǎng)絡(luò)搭配聲紋識別編碼器，在復(fù)雜的聲學(xué)環(huán)境下準(zhǔn)確捕捉到目標(biāo)用戶的聲音。
到目前為止，谷歌相關(guān)設(shè)備依然需要通過“OK Google”與“Hey Google”來喚醒Google Assistant，其中一個很重要的原因，就是“Google”一詞本身由于谷歌已經(jīng)深入到了用戶的日常生活中，所以并不算冷門，只有這個詞作為喚醒Google Assistant的“鑰匙”，會不可避免的導(dǎo)致頻繁誤喚醒。作為對比，Siri這個被生造出來的詞匯適用范圍就很窄了，iPhone只需監(jiān)聽到契合“Siri”發(fā)音的聲紋，即可判斷用戶有使用智能語音助手的需求。
并且值得一提的是，據(jù)悉蘋果還計劃允許Siri與第三方應(yīng)用結(jié)合，而這對于Siri的易用性將有著極大的促進作用。要知道，此前曾有前Siri團隊的成員表示，領(lǐng)導(dǎo)力的缺乏和管理層的不斷變化拖累了Siri前進的腳步，其中最關(guān)鍵的原因，就是蘋果方面一直以來堅持的封閉模式并沒有對Siri破例，也未能讓第三方開發(fā)者有更多機會創(chuàng)造更多有用的Siri應(yīng)用。
在Siri還沒有被登錄iPhone或被收購前，其創(chuàng)始團隊的預(yù)想其實是希望能夠擁有一個第三方的開發(fā)生態(tài)，而這一點也被后來的一眾智能語音助手陸續(xù)實現(xiàn)。比如說，最初Siri被希望實現(xiàn)的預(yù)約餐飲功能，是包含著日期、地點、菜品等多方位要素，而非簡單地搜索一個餐廳的訂餐電話。
未來Siri能夠接入第三方應(yīng)用，也就意味著蘋果的智能語音助手可以借助第三方的力量，來為自己賦予更多的功能、完成更多的任務(wù)。如果這一消息屬實，也就意味著在被忽視了多年后，Siri或許將要雄起了。