偶然的ECHO，必然的ALEXA | 【AI智能音箱登陆战】

正文

请到「今天看啥」查看全文

国际巨头公司的音箱产品

我们可以把以上四种产品理解成都是智能音箱，但是从技术的方向来讲，从整个物联网的大方向上来讲，我们说他是智能助理的设备终端会更合适。它们在做的是物联网的智能家居环境里的人工智能操控中心。

在整个物联网的发展浪潮里面人机交互是一个入口， 以智能家居为例：前两年所谓的智能家居，其实最多只能算是家居操控自动化，下载APP、快捷操纵助手来帮助实现功能。

现在人工智能的技术不管是语音、图像、人脸、手势、虹膜、指纹等多种形式的人工智能的发展让整个的智能家居控制化到智能家居做转变。

在国际上亚马逊、微软、谷歌、苹果在做智能音箱，在国内也有很多厂家在做。像刚刚花姐提到的阿里，联想、小米、叮咚等，小米的小AI同学是小米推的第二款智能音箱，去年他们推出了一款物联网智能音箱，那个音箱是不带远场交互的，小AI同学无论是外形还是结构更符合远场的交互。

国内的智能音箱

传统语音技术的困境

从现在智能音箱的火热我们看到了自然口语交互，带来了新的用户需求。

不管是做智能音响也好还是做智能水杯、智能花瓶、智能手推车，凡是你需要语音交互，那么在这个环节下，需要的不仅是语音识别，而是自然口语交互和自然口语对话。

传统的语音技术

传统的语音技术是个线性的过程，技术理念是对信号进行采集和处理，对语义进行解析，解析后进行反馈，在这样的一个反应里面，语音是键盘的替代品，很多时候并不好用。

传统的语音技术只能识别、解析，但是在真实的使用环境里，解析并不等于理解。

解析与理解的例子

几年前机器虐人

举个例子：等周二徐春来到深圳后约他一点钟在九寨沟喝茶。

任何一家语音厂商无论是国内还是国外对这句话的识别应该不会出现问题。

在解析的时候每个字、每个词也都能解析正确，但是在放到人机交互里面去的话，你跟机器说我约他喝茶，机器会发生很多混淆，因为单独的解析不等于理解。

这个人是叫许春来，还是许春来到深圳？一点钟是下午一点还是凌晨一点？九寨沟是我们去深圳开车去九寨沟，还是我们去一家叫九寨沟的咖啡厅？

现如今，人虐机器

认知性交互模型

认知交互模型

请到「今天看啥」查看全文