為什么要在智能家居使用語音交互？

互聯網女皇瑪麗·米克2016年的《互聯網趨勢報告》中指出，目前語音已經是最有效的輸入計算方式，美國使用過語音助手的用戶2015年已經達到了65%，而其中43%是在家中使用的，凸顯了語音交互在智能家居中的重要意義。

王硯峰表示，新技術、新產品的推廣使用一定存在剛需，而語音交互的剛需則存在于駕車、客廳、戶外等不方便使用鍵盤打字的場景中。他認為需要在這三個場景上把語音做深體驗做好，才能給用戶帶來價值。

語音交互應該做什么？

王硯峰認為，語音落地的產品，首先不應該是所謂的“中控”，因為“中控”不是具體的產品;也不是所謂“機器人”，因為目前的助手機器人不能幫人們解決任何實際需求和問題;他表示，“任何夸大人工智能在客廳產品中作用的行為都是耍流氓。”

王硯峰對客廳中的語音應用提出了兩個標準：好產品和豐富的內容。他表示比如亞馬遜Echo就是好產品，首先它本身是一個好的音箱，并且適應美國家庭用戶的消費文化和習慣，那在美國就屬于好的產品。

而語音要在好產品上產生價值，就需要豐富的消費內容資源。僅僅作為控制器的語音對設備帶來的增值不大，而當涉及內容查詢以及更多交互時，才是語音最有價值的使用場景，“語音識別做耳朵，語義理解是大腦，智能家居上要讓語音有自然交互，需要更靈敏的耳朵以及更聰明的大腦。”王硯峰指出。

怎么讓語音交互做的更好？

如何讓語音交互做的更好？王硯峰認為要訓練語音識別這一“更靈敏的耳朵”，需要大規模的優質語音訓練數據和深度學習的技術能力積累，而搜狗在這一點上有著巨大的優勢。據他介紹，搜狗擁有中國互聯網上最大的語音語料：作為國內第一大語音輸入應用，搜狗輸入法每天語音輸入頻次達到1.4億次，產生11.7萬小時的語料規模，比當前國內任何語音技術團隊使用的訓練語料都要大。另一方面，深度學習的技術不斷推動語音識別錯誤率的下降。從2013年開始，借助深度神經網絡和海量用戶數據，搜狗輸入法的線上錯誤率在過去幾年中累積下降了超過60%。

借助語料數據的“燃料”和深度學習的“發動機”，目前搜狗輸入法語音識別準確率已超過97%。對于以當前技術水平無法實現的剩下的3%，王硯峰指出，“這叫語音識別最后一公里問題”。他隨后介紹了搜狗輸入法今年推出了語音修改功能，借助自身的詞庫、拆字庫和用戶語料，以及知識圖譜的支持，如今用戶錯誤率已經降低了80%，有效解決了語音識別“最后一公里”的問題。

而對于更聰明的“大腦”，王硯峰表示，傳統的通用語音助手不如場景化的專用語音交互更具實用性。他指出，通用語音助手難以解決用戶多種多樣的問題，因而面臨使用體驗較差、屢遭用戶詬病的窘境;而搜狗通過借助多輪對話、技術圖譜等實現技術能力提升，并將使用場景明確化以降低問題難度，“對話能力、知識圖譜跟具體的場景結合起來，語音交互的處理能力、智能性、實用性就可以好很多。”