智能語音時代：商業競爭、技術創新與虛擬永生（簡體書）

我們正在進入語音科技時代，我們的衣食住行都將發生巨變，對著智能音箱說，我想買一件T恤，它就會為你推薦甚至幫你下單；在餐廳，服務員已經變成了機器人助手，想約一頓火鍋直接打電話給它就行；在家裡，電視、音箱等聲控中心可以聽懂你的指令，在你起床之前為你打開窗簾，煮上一杯咖啡……
你我生活常見的，用鍵盤或在面板上寫信息、在網上搜尋資料、用遙控器換台……這些都已成為歷史。未來是語音操控的時代，所有的科技大腕如穀歌、 蘋果、臉書、微軟、亞馬遜、科大訊飛等都已經初步展示這一新科技平臺。未來的連結不再是空間，而是對話！本書訴說這一重大改變的過去與未來。
全書分四個部分來講述：第一部分“競爭”，講述智能語音時代的競爭之戰和範式轉換，解密蘋果、亞馬遜、穀歌、臉書、微軟等科技巨頭的智能語音佈局與商業角逐；第二部分“創新”，講述智能語音的技術探索和創新之路，探索了語音人工智能的技術突破、個性設計和交談能力；第三部分“革命”，講述智能語音的革命之路，探索了語音人工智能的情感陪伴、超級智能、隱私風險和虛擬永生。第四部分“最後的計算機”，預測了智能語音的未來，並探討了它將如何最終改變世界。

詹姆斯·弗拉霍斯（James Vlahos）
《紐約時報》《連線》《大眾科學》《科學美國人》《大西洋》《智族GQ》和《國家地理》等雜誌著名記者，美國鬼才科普作家，以興趣盎然、發人深省的方式來討論複雜難懂的科學問題見長。
弗拉霍斯從20世紀80年代開始跟蹤和報道智能語音技術，30多年來，他零距離地見證和細緻地觀察了這一領域的研究進展，曾與這一領域中的許多傑出人物直接對話，本書中的許多觀點就是來自於他對一手訪談資料的提煉。

智能語音，開啟萬物互聯時代的大門，讓AI閃耀人性光芒
一位被診斷為患有晚期肺癌的父親，在生命末期，為孩子留下了91970個單詞的口述。孩子打造了一台爸爸機器人，讓父親在聲音的世界裡“永生”―― 這個孩子就是本書的作者。
這個令人動容的故事讓我們感受到語音的溫度和科技的溫暖。
在中國，科技也在創造著這樣的溫暖。2018年年初，在全球首部利用人工智能配音的紀錄片《創新中國》中，我們合成了中央電視臺已故配音大師李易的聲音，用技術向藝術致敬。在首映式上，李易老師的弟子們集體起立、熱淚盈眶。
語音，是人類呱呱墜地後最早使用的溝通方式，也是現代人際交流最基本的方式，更是未來人機交互最重要的方式。人工智能跌宕起伏發展60多年，智能語音是發展到今天最為成熟、也是最重要的板塊之一。“最近的一次範式轉移正在進行中。” 作者在書中提到，這次轉移正是關於智能語音的。
語音，開啟萬物互聯時代的大門。
在互聯網發展的下半場，我們將進入萬物互聯的新時代。隨著越來越多的設備在無屏、移動、遠場狀態下被使用，作為人類最自然、最便捷的溝通方式，語音將會成為所有設備至關重要的入口。未來，我們將迎來以語音交互為主、鍵盤觸摸為輔的全新的人機交互時代，人和機器之間的溝通，可能完全是基於自然語言的，你不需要去學習如何使用機器，只要對機器說出你的需求即可。
比如在導航軟件中，你能聽到各種明星的合成聲音，可以用他們的聲音為你指路；在電視上，你能看到虛擬主播播報的多語種新聞，與真人相比不僅相似度高，而且24小時無休；在居家生活中，你能通過語音控制音樂、燈光、溫度，實現智慧家居；甚至在醫院裡、社區裡，你能用語音調動機器人幫你辦理事項，節省時間……人工智能已經在為我們的日常生活服務，智能生活的大門正緩緩打開。
語音，讓時代更具人性溫度。
智能語音是通向萬物互聯時代的必經之路，它的存在讓交互方式擁有無限的可能，也讓這個時代更具人性的溫度。
20世紀90年代，我在就讀於中國科學技術大學時被選進人機語音通信實驗室，研究“如何讓機器像人一樣開口說話”。那時，團隊的一個夢想是研發一台能自動翻譯的電話，即使交流時語言不通，通過人工智能技術也能讓我們無障礙地交流；20多年後的今天，我們自主研發的翻譯機已經支持中文與50種語言的實時翻譯，每個月總共為全球提供超過 5000 萬次服務。智能語音讓被地域、文化等因素隔離的人們也能無障礙地溝通。
此外，我們通過技術在聽障和視障人群間搭起溝通的橋樑，讓聽障群體通過語音識別技術“看得見”聲音，讓視障群體通過語音合成技術“聽得見”文字。2017年我們發佈了“三生有幸”公益計劃，目前已有幾十萬殘障人士受益。語音轉寫、語音朗讀為他們獲取信息帶來了極大便捷。我們希望，隨著語音技術的使用與發展，未來每個人都將因AI而能。
語音，在萬物互聯時代技術門檻將會更高。
在以語音為主、鍵盤觸摸為輔的萬物互聯時代，人們對語音交互提出了更高的技術期待與需求。今天，雖然在安靜、發音標準的情況下，中文的語音識別準確率已經可以達到98%，英文的語音識別準確率可以達到95%，但在有方言、噪音、口音和遠場的情況下，距離語音識別高準確率或許還有很長一段路要走。
以2018國際語音識別比賽CHiME-5為例，它是世界上最權威的語音識別比賽，考察在噪聲和遠場環境下的語音識別效果。但是讓人意想不到的是，比賽主辦方用最新的算法和深度學習模型做了參考系統，在測試中語音識別錯誤率竟高達81.14%，可以說是“史上最難語音識別任務”。科大訊飛雖然在這次比賽中取得全部四個項目的第一名，將錯誤率降低了35個百分點，但是距離高準確率仍有不小的差距。可以看到，在萬物互聯時代，語音識別技術還有非常大的提升空間，語音識別的門檻不是降低了，而是提高了。
20年前，我和實驗室的同學們一同創立科大訊飛，就是認定了智能語音巨大的潛力和廣闊的前景，它會讓人機信息溝通無障礙。今天，看到這本《智能語音時代》，我非常高興。作者對語音技術的發展趨勢有著深刻洞察，從Siri誕生到谷歌助理、亞曆克莎的規模化應用，以翔實的資料、細緻的文筆講述智能語音時代的到來及其可能帶來的影響。這本書不僅是對智能語音的科普，更讓讀者對智能語音未來的發展有了更多的瞭解。
“他山之石，可以攻玉。”人工智能正在成為全球化發展的關鍵力量，中國的語音技術和產業也必將在其中發揮更大力量。相信本書的出版，會讓更多人重新認識神秘且熟悉的語音世界，讓我們一起攜手，讓世界聆聽我們的聲音，讓溝通從AI開始。
　劉慶峰
科大訊飛董事長

第一部分 競爭
CHAPTER01 範式轉移 / 002
CHAPTER02 語音助理 / 019
CHAPTER03 科技巨頭 / 052
第一部分 創新
CHAPTER04 探索之旅 / 086
CHAPTER05 技術突破 / 116
CHAPTER06 個性設計 / 156
CHAPTER07 交談能力 / 188
第三部分 革命
CHAPTER08 陪伴功能 / 226
CHAPTER09 超級智能 / 268
CHAPTER10 隱私風險 / 302
CHAPTER11 虛擬永生 / 342
後記 最後的計算機 / 379