【嘉德點(diǎn)評(píng)】三星發(fā)明的可以完成精準(zhǔn)語音識(shí)別任務(wù)的語音識(shí)別助手，在交互時(shí)無需發(fā)出語音，僅通過用戶少量選擇操作就可以完成復(fù)雜的交互任務(wù)，因此，可以簡便且準(zhǔn)確地采用語音識(shí)別方式來實(shí)現(xiàn)交互任務(wù)。

集微網(wǎng)消息，在2019年，三星就曾預(yù)告過新的“人造人”NEON助手，并表示NEON可以像真正的人類一樣進(jìn)行對(duì)話，并有一定的感知能力。NEON的網(wǎng)站上宣傳其外觀和行為都像真實(shí)的人類，能夠表現(xiàn)出情感和智慧，而據(jù)相關(guān)消息，三星最終將隨三星Galaxy S21 Ultra獨(dú)家發(fā)售這款數(shù)字助手。

數(shù)字助手首先也是一款手機(jī)助手軟件，目前，智能手機(jī)能夠提供各種類型的應(yīng)用服務(wù)，其中就包括手機(jī)助手軟件，用戶可以通過語音、文字等方式與智能手機(jī)之間進(jìn)行交互，智能手機(jī)通過該語音識(shí)別助手軟件識(shí)別語音后，提供對(duì)應(yīng)的應(yīng)用服務(wù)。

智能手機(jī)識(shí)別語音的功能可以有三種方式：交互任務(wù)型、知識(shí)問答型及閑聊型。其中，交互任務(wù)型語音識(shí)別方式使得用戶可以通過直接的語音輸入，由智能手機(jī)識(shí)別該語音，完成與智能手機(jī)的應(yīng)用服務(wù)之間的交互意圖，而無需進(jìn)行多次語音識(shí)別界面的操作。

但是，智能手機(jī)提供的交互任務(wù)型語音識(shí)別方式對(duì)用戶來說，使用率并不高，這是因?yàn)橛脩粼谕ㄟ^語音操控智能手機(jī)時(shí)，存在以下缺點(diǎn)：1）公眾場合不適合使用語音，有隱私問題；2） 智能手機(jī)處于嘈雜的遠(yuǎn)程環(huán)境下，語音識(shí)別的效果不佳；3）因?yàn)橛脩舭l(fā)音不準(zhǔn)確，形同意思的表述方式多樣等因素，語音識(shí)別和語音理解的準(zhǔn)確率還需要提高；4）有些用戶不習(xí)慣使用智能手機(jī)提供的語音識(shí)別界面。

那么，智能手機(jī)該如何在這些條件下簡便且準(zhǔn)確地采用語音識(shí)別方式實(shí)現(xiàn)交互任務(wù)呢？為此，三星在2019年9月27日申請(qǐng)了一項(xiàng)名為“一種采用語音識(shí)別方式實(shí)現(xiàn)交互任務(wù)的方法及系統(tǒng)”的發(fā)明專利（申請(qǐng)?zhí)枺?01910921533.6），申請(qǐng)人為三星電子（中國）研發(fā)中心和三星電子株式會(huì)社。

根據(jù)該專利目前公開的資料，讓我們一起來看看這項(xiàng)應(yīng)用于智能設(shè)備的語音識(shí)別方法及系統(tǒng)吧。

如上圖，為該專利中發(fā)明的采用語音識(shí)別方式實(shí)現(xiàn)交互任務(wù)的方法流程示意圖，首先，系統(tǒng)會(huì)基于當(dāng)前環(huán)境進(jìn)行語音識(shí)別來得到文本以及語義信息，基于得到的文本以及語義信息，來確定對(duì)應(yīng)的上下文信息，且劃分不同的場景，基于不同的場景來在系統(tǒng)中匹配不同的語音技能推薦表。

這種利用語音技能推薦表的方式，可以更加準(zhǔn)確的應(yīng)對(duì)不同的場景，通過事先準(zhǔn)備好豐富的語料庫，就可以非常人性化的與用戶進(jìn)行對(duì)話以及完成相應(yīng)的操作。而當(dāng)要實(shí)現(xiàn)交互任務(wù)時(shí)，則會(huì)根據(jù)語音技能推薦表執(zhí)行智能手機(jī)的交互任務(wù)。同時(shí)，由于是智能助手主動(dòng)分析用戶所處場景，并主動(dòng)提供相關(guān)的操作服務(wù)，因此無需用戶主動(dòng)發(fā)起語音喚醒，而是由語音助手主動(dòng)為用戶提供相關(guān)服務(wù)，只需用戶進(jìn)行選擇即可。

如上圖，為這種采用語音識(shí)別方式實(shí)現(xiàn)交互任務(wù)的方法子流程圖，當(dāng)用戶喚醒語音助手插件模塊時(shí)，語音助手插件模塊被觸發(fā)，該模塊通知語言輸入信息采集模塊啟動(dòng)信息采集，信息采集模塊通過上下文感知模塊獲取到當(dāng)前的環(huán)境信息，再向語音助手插件模塊發(fā)送請(qǐng)求，來獲取從用戶語音識(shí)別得到的文本，以及做自然語言理解后的語義信息。

之后，語言輸入信息采集模塊將采集到的文本、語義信息及當(dāng)前的環(huán)境信息傳輸給語言技能生成模塊，由此來生成語言技能庫，并通知語言技能推薦模塊。

語言技能推薦模塊在特定情況下可以啟動(dòng)，將大量不同的上下文劃分到若干類場景中，對(duì)每個(gè)場景生成相應(yīng)的語言技能推薦表。

如上圖，為在手機(jī)上使用語言技能推薦表的展示圖，該款語音助手插件模塊為Bixby，當(dāng)每次都調(diào)用Bixby時(shí)，都會(huì)顯示出語言技能推薦表，并且場景不同，該語言技能推薦表中的推薦技能偶讀不同。

例如，經(jīng)過學(xué)習(xí)后，如果用戶打開手機(jī)并且喚醒了Bixby，則就可以觸發(fā)語言技能推薦表的展示，當(dāng)用戶選擇某條推薦的語言技能時(shí)，將該語言技能推薦表中的文本用作用戶語言輸入識(shí)別的結(jié)果，以完成后續(xù)用戶的指令。

以上就是三星發(fā)明的可以完成精準(zhǔn)語音識(shí)別任務(wù)的靜默式語音識(shí)別助手，其在實(shí)現(xiàn)交互任務(wù)時(shí)，基于當(dāng)前環(huán)境下對(duì)語音識(shí)別得到文本以及語音信息，在交互時(shí)無需發(fā)出語音，僅通過用戶少量選擇操作就可以完成復(fù)雜的交互任務(wù)，因此可以簡便且準(zhǔn)確地采用語音識(shí)別方式來實(shí)現(xiàn)交互任務(wù)。

責(zé)任編輯：xj