隨著虛擬語音助手的蓬勃發(fā)展，目前正在對各個行業(yè)產(chǎn)生影響。可能大家都非常熟系蘋果的siri、微軟的小冰，因為它們都是國際大公司注重的產(chǎn)品，因此，非常受人注目。但是要論虛擬語音助手的可商業(yè)化道路，中國的企業(yè)要技高一籌。

杭州駭音科技有限公司（以下簡稱：駭音科技）把虛擬語音助手VIA與耳機進行結(jié)合，突然之間，讓我們看清耳機的下一步發(fā)展趨勢。

駭音科技CEO任博昉說：“耳機發(fā)展到今天，人們已經(jīng)不能僅僅滿足只是娛樂聽歌，它必須承載更多的功能，我們定義人工智能耳機將會是智能手機的控制終端。”

現(xiàn)在人工智能耳機還沒有普及開來，所以人們對它還沒有概念，但是人工智能耳機卻是耳機的發(fā)展趨勢，今后，人們通過耳機就能夠控制手機里的軟件，比如“幫我發(fā)一條微信”、“幫我查看快遞”、“我要去XXX”、“我要買衣服”等等，很多日常生活中的瑣事，我們都可以通過語音直接對耳機下達指令，它會一步到位幫我們執(zhí)行，簡化了我們對手機的操作。

或許很多人還是沒有概念，當看完這篇文章后，你的概念將會逐漸清晰化。

1號機器人網(wǎng)記者：你們的虛擬語音助手VIA有什么特色？它可以做什么事情？

首先，它是隨時隨地的待命；不管你處在什么狀態(tài)，只要跟它說一聲“芝麻開門”，它就會被喚醒，然后你只要說出指令，它就會一步到位的執(zhí)行。

其次，它相當于管家助理，可以幫你解決問題；比如說，今天我有一個重要的會議，需要人提醒，傳統(tǒng)的做法，是拿出手機，然后通過各種操作設(shè)置，現(xiàn)在只要對著虛擬語音助手VIA說“芝麻開門，幫我記一下X點鐘會有一個會議，”到預(yù)定時間VIA就會提醒你。

還比如，我要打電話給某人，傳統(tǒng)的做法是，拿出手機打開通訊錄，搜索名字，再撥打，現(xiàn)在只要對著虛擬語音助手VIA說：“芝麻開門，幫我打電話給XX，”你的電話就直接撥通過去了，不需要再進行手動操作。大大方便了操作的過程。

最后，再強調(diào)一點，目前市面上很多虛擬語音助手都是在模擬耳朵，就是當人與它對話時，讓它聽懂人在說什么。而我們最大的區(qū)別就是，我們是通過虛擬語音助手去幫你控制各種各樣的軟件，比如智能手機里有成千上萬的APP，都可以通過虛擬語音助手VIA去控制。

而且，虛擬語音助手VIA還具備學(xué)習(xí)的功能，任何它不會的操作，只要用戶手動去教會它使用一次，接下來，你只需要通過語音，它就可以按照你手動操作的過程去一步到位的執(zhí)行。

1號機器人網(wǎng)記者：市面上的虛擬語音助手，如蘋果、微軟等虛擬語音助手都是直接在手機上安裝APP，然后通過手機來互動對話，但你們做成了耳機硬件，在人機交互上兩者會有怎樣的區(qū)別？

任博昉：

圖：駭音科技人工智能耳機

不管是蘋果的siri，還是微軟的小冰，它們都是注重機器人的聊天系統(tǒng)，就是讓人與機器人對話，讓機器人能夠像人一樣與人類對話，我覺得這個技術(shù)發(fā)展會非常的漫長，這不是我們想要追求的方向。

我們追求的是語音技術(shù)所能帶來的便捷服務(wù)，如幫我查快遞、幫我發(fā)微信給某人、打開支付寶支付、我想看XXX電視劇等等，我們強調(diào)的是“控制”，直接通過語音來控制各個軟件，讓我們的生活更加便捷。

而我們把虛擬語音助手VIA裝進耳機硬件里，是因為耳機是日常生活中不可替代的設(shè)備，我們經(jīng)常帶著耳機玩手機，既然如此，那我們就讓手機操作更加便捷好了，不需要再對著手機屏幕手動去操作各種軟件。

比如，只要耳機掛在我脖子上，不管我是不是戴著耳塞，這個無所謂，只要耳機是掛在脖子上。那我只需要說：“芝麻開門，我想查看快遞？”、“芝麻開門，打開導(dǎo)航，我想去XXX？”、“芝麻開門，打開微信，給XX發(fā)一條微信，今晚一起吃飯?！钡鹊戎恍枰獎觿幼欤涂梢詧?zhí)行了。它能幫我們一步到位執(zhí)行，很方便。

現(xiàn)階段的語音技術(shù)是可以支撐這方面的應(yīng)用，而且我們已經(jīng)做了大量的印證，也實現(xiàn)了產(chǎn)品的量產(chǎn)。

通過耳機，我們可以把指令更清晰的傳達給虛擬語音助手，如果是對著手機講，一是操作復(fù)雜化了；二是在一些嘈雜的場所，語音識別準確率會大大降低，如果我是通過耳機，不管我是走在馬路上，還是在餐廳里，或是在工地上，我只需要正常說話，它都能夠清晰的聽清我下達的指令。這就是最大的區(qū)別。

1號機器人網(wǎng)記者：通過測試你們的人工智能耳機，可以通過語音直接控制手機里的各種軟件，從使用結(jié)果來看，確實挺方便，但是每次說話都要說“芝麻開門”才能喚醒工作，這也很麻煩，你們現(xiàn)在有沒有更好的執(zhí)行方式？

任博昉：這是現(xiàn)階段語音技術(shù)最好的展示形式，舉個例子來講，我們4個人坐在一起討論，你要跟一個人說話，要么朝著他的臉，要么指著他說話，要么就叫他的名字，但機器人不一樣，它不知道你是在跟誰說話，所以我們必須要用暗號的方式，讓它知道你是在跟它說話。

因此，我們在前面加一個引子，如“芝麻開門”，作為一個喚醒詞，如果你不給它起一個頭，它不知道你什么時候開始說話，所以必須要有一個喚醒詞；當你喚醒它后，說話又非常長也不行。因為太長的指令，它識別誤差非常大，因此，沒有準確率可言。

如果我們喚醒它之后，加簡短的指令，控制在3秒左右，我們測試的結(jié)果是準確率可以達到97%左右，虛擬語音助手執(zhí)行指令就非常準確，而且高效，這是目前我們通過各種嘗試后，得出的最佳使用方式。

等以后語音技術(shù)取得更大的突破后，如機器人可以識別哪些是指令，哪些是廢話的時候，那我們的喚醒方式就不用重復(fù)的去講，只需要起一個頭，在一個語境內(nèi)，我們的所有指令都可以一步到位執(zhí)行。

1號機器人網(wǎng)記者：我覺得你們的做法比較明智，把語音助手和耳機結(jié)合在一起，耳機是現(xiàn)代人的硬需求，可以談?wù)勅斯ぶ悄芏鷻C與普通耳機會有怎樣的差別？今后人們通過耳機會有怎樣的生活方式？

任博昉：我認為耳機與虛擬語音助手結(jié)合是大勢所需，兩者結(jié)合后，我們可稱之為“人工智能耳機”。

隨著智能手機里涌現(xiàn)出越來越多的應(yīng)用軟件，耳機原本只是人們用來聽歌的產(chǎn)品，我認為接下來人們對耳機的需求將不僅僅只是聽歌而已，如果僅僅只是聽歌已經(jīng)不能滿足人們對高科技產(chǎn)品的期待。

我認為人工智能耳機是必然的發(fā)展趨勢，我可以通過人工智能耳機隨時隨地控制智能手機，我甚至不用打開手機，通過耳機就能了解我想了解的資訊，以及我想要做什么事情？通過語音就可以完成，這是更便捷的生活方式。

舉個例子來講，脖子上掛著駭音科技的人工智能耳機之后，我只要說：“芝麻開門，給XX發(fā)條微信，今晚我們一起吃飯?！本屯晔铝耍挥迷倌贸鍪謾C觸屏操作。待對方收到信息后，回復(fù)微信，通過人工智能耳機，你就能夠聽得到對方的回復(fù)。

還比如：“芝麻開門，我想買件衣服，”它就幫我打開手機淘寶，然后跳轉(zhuǎn)到衣服的頁面，供我挑選。

甚至說“芝麻開門，我想去世界之窗，”它就幫我打開高德地圖，直接把路徑導(dǎo)航規(guī)劃好，我在行走過程中的導(dǎo)航播放會通過人工智能耳機反饋給我。

所以，今后人工智能耳機將不僅僅是聽歌使用，而是智能手機的控制終端。

下一步，我們還可以做到語言的互通，舉個例子，“芝麻開門，給吉姆發(fā)條短信，我很感興趣你的項目，一切按你說的操辦?！边@條信息會自動翻譯成英文發(fā)到他的智能手機里，他在美國看到信息后，用英語回復(fù)的內(nèi)容，將會自動翻譯成中文傳到我的智能手機里。屆時世界上不同人種的溝通將不會有語言障礙，所以世界將會更加的平坦。

1號機器人網(wǎng)記者：從技術(shù)的角度去講，你們認為虛擬語音助手下一步的發(fā)展方向是怎樣？

任博昉：虛擬語音助手發(fā)展會有兩大因素推動，第一個是大數(shù)據(jù)；第二個是智能硬件。

我認為未來虛擬語音助手可以是大腦連接互聯(lián)網(wǎng)的通道，比如未來有更多的大數(shù)據(jù)互通的時候，將會產(chǎn)生巨大的信息流。屆時虛擬語音助手可以提供更加具有針對性的服務(wù)。

比如：當我出門的時候，它會跟我講，今天會有局部暴雨，出門注意安全，就不用再麻煩發(fā)布黃色預(yù)警，因為是局面暴雨，有些區(qū)域是沒有下雨的，因此，信息的接收會更有針對性。

而且，當我戴上耳塞時，耳機就是我連接世界的橋梁，它會實時播放一些我感興趣或我關(guān)注的資訊，我遇到什么不懂的事情，我可以直接問系統(tǒng)，系統(tǒng)會幫我解答相關(guān)的問題。

其次，虛擬語音助手的載體不僅僅是耳機，未來還可以與各種智能硬件結(jié)合，它會以各種各樣的形態(tài)來滿足不同人的需求。

所以，我認為虛擬語音助手的發(fā)展要把握這兩個方向，因此，后續(xù)技術(shù)發(fā)展需要投入很大的資金去運作，我們也希望能夠有更多的資本方和資源方加入到我們這個行列，讓人工智能耳機更快的普及開來。

1號機器人網(wǎng)記者：最后一個問題，耳機算是虛擬語音助手的載體之一，在虛擬語音助手+智能硬件的思路上，你們還有什么新的想法？如果把時間調(diào)到未來十年后的場景，你認為那時的人們通過虛擬語音助手可以實現(xiàn)這樣的生活方式？

任博昉：未來虛擬語音助手+智能硬件肯定是多種多樣的，從我們的角度去講，我們還是注重人工智能耳機的研發(fā)，但未來我們會考慮不同形態(tài)的耳機。

如便攜音箱，因為長時間戴耳塞，人會受不了，而且在與客戶聊天的時候，戴著耳塞也不禮貌，所以我們也制作了耳機的另外一種形態(tài)，“便攜音箱”。當然，這個設(shè)備還需要再優(yōu)化，但是便攜音箱的不同就是在于，你只要把它掛在脖子上就可以了。非常的美觀，也可以當做裝飾物。

便攜音箱的亮點就是，你戴在身上，你旁邊的人是聽不到它的聲音，但它的聲音你是可以清晰的聽到。這就大大提升了它的用途。

隨著5G的帶來，我認為未來人們在線能力會越來越強，可以全天候時時刻刻的在線，所以你信息獲取的效率會很高，幾乎你的大腦與互聯(lián)網(wǎng)是暢通的。

當你戴上便攜音箱時，它會時時刻刻為你播放資訊，而且是你關(guān)注的資訊，打個比方說，今天美國總統(tǒng)特朗普出臺一個政策，它會對哪些行業(yè)有影響？目前走勢如何？等等信息不斷播報給你。如果你是股民，它還可以告訴你，你持有的股票目前走勢如何？現(xiàn)在是否要買進還是賣出。你只要回答“是”或“不是”。

如果是十年后的未來，我想象中的場景是，比如：我要回家，“芝麻開門，我要回家，”這時無人駕駛汽車自動行駛過來停在我面前，我上車，它送我到家。

如我要出門，無人駕駛汽車自動停在我家門口，我只要說，我想去哪里？它就自動將我送達。我下車，它可以自己找車位停車。

如果是按照優(yōu)步的設(shè)想，未來無人駕駛汽車都是共享的，所以未來汽車都不用買了?？傊?，當我們時時刻刻在線時，我們的生活將會變得非常的便捷，前段時間看到一篇報道，說YouTube宕機一小時，就有人報警，如果未來服務(wù)器宕機一小時，那將是重大的事件，等于是讓我們回到原始社會。

當然，這個話題扯的有點遠，但我認為未來的場景可能會是這樣的。