哦啦：纯语音体验，给用户最精准的反馈

哦啦运营经理 赵子嵩

放开双手，用语言直接控制手机，是现在以及未来越来越多人看重的事。

哦啦语音助手（以下简称：哦啦）产品运营经理赵子嵩告诉1号机器人网记者：“哦啦意在对知识结构化，实现全文检索功能，语义上进行细分纬度的处理。达成精准的自然交流方式”。

1号机器人网记者：哦啦是什么时候成立的？为什么会选择做智能语音？

赵子嵩：哦啦不是一个独立的公司，而是公司内部的一个创业团队，团队成立的时间大概在2012年底到2013年初这个时间段，我们总公司名字叫做威盛电子。

哦啦属于威盛电子公司的创业团队，威盛发展语音是基于两点，之前公司核心技术是做显示驱动，在模式识别、图像识别技术上都有十多年的经验，语言处理和图音处理虽然在业务上看起来不同，但是其实二者之间有很大的共同性。

第二点在于智能链接未来的大趋势。以前是人操作设备，现在是发展设备来理解人，包括新的产业，像是智能家居、机器人、智能车载都是我们比较看好的方向。

1号机器人网记者：哦啦与出门问问业务是否相似？

赵子嵩：出门问问做微信、做2c，哦啦语音是独立app，主要展示我们技术上的特点，还有关于实际用户的诉求，还有一块是与2b，像是与机器人、智能硬件企业合作。

1号机器人网记者：今年有很多语音公司冒头，哦啦在语音方面有哪些特点？

赵子嵩：哦啦主要是在技术上达成一个智能的、自然的人机交互，通过语音与其他人工智能做一个集成，然后来做一个交互。我们希望达到自然语言交互，这样对用户来说学习成本几乎为零。

从技术角度来看，我们主要有三块。

第一块是交互处理，希望达成人类常用的交互方式，上下文相关的交互处理，准确而符合思维的精准反馈。

第二块是语义处理，准确理解用户的意图与参数，基于知识和用户习惯的理解，基于上下文的理解。

第三块是知识的积累，我们人除了交互外，还需要知识积累，我们需要关于常识性的、热点性的知识。知识库这块技术特点是，全文检索的结构化知识库，这种设置可以达到全文的检索匹配，相当于谷歌百度的网页式，又可以达成结构化数据库产品。

1号机器人网记者：自然语言与纯语音有什么差异？

赵子嵩：前面讲的一个技术方向，想达成语音到反馈，这样一个比较智能的自然语言的交互方式。但是这势必会存在问题，我需要解决人与人的基本处理方式，比如纠正处理、语音选择，我们想通过语音的方式达到这些功能，但是现在很多语音助手大多数通过touch的方式选择，它不是一种纯语音智能交互，而是通过客户端进行辅助。

纯语音特点还需要达到精准的回复，我们在语义处理上比较精细，比如预定一个提醒，会按照人与实际物进行切分保存，之后的查询会按照多个关键字进行复合查询，我们对语义已经进行维度化处理，比如语音上，对于上下文之前理解代词，不仅能知道习近平的夫人是谁？还能一并告诉彭丽媛的背景及其他信息。

所以我们想达成，知识上的结构化与全文检索，语义上是细分纬度的精准处理。基于这两方面达成，精准的自然交流方式。

1号机器人网记者：智能音箱是哦啦最新推出的产品吗？

赵子嵩：市场上有很多智能硬件，我们主要是用智能语义的方式应用在硬件上。

一般的智能音箱，屏幕很小，传统的语音助手会直接移植到音箱上，成为智能音箱，但是这种方式是不太好的，很多音箱没有ui。我们的纯语音与交互方案在音箱上就有很多特点。

我们这款智能音箱具体操作是从唤醒软件开始消回音，而且唤醒率很高，这是结合了软件加硬件的整体方案，语义方面又可以很精准、方便的进行语义交互，比如通过歌词点歌、通过歌星名字点歌、或者语音保存我的播放列表，也可以通过语音提高音量。

而且一般人与人交谈是会打断音箱接受语音信号，但是我们的打断是比较自然的，直接像与真人一样进行交流，而不像很多智能音箱需要app与触摸打断。

1号机器人网记者：哦啦语义有哪些特点？

赵子嵩：主要分几类，第一个是自动提问，一些中文语言没有确定性的翻译，比如明天去北京？这包涵许多可能，语音会反问，是要查酒店，问景点还是订票呢？如果订票，语音会继续追问订火车票还是飞机票，如果选择订飞机票，还会问是否需要订酒店或者设置安排提醒。

第二个是纠正，我打电话给张三，如果又想打给李四，纠正时候不用说完整的话，就能实现跨流程操作。你上一步问天气，突然又想看电影，你可以通过语音选择功能就能实现。比如附近有什么餐馆，出现搜索结果直接导航去某一家餐厅，导航应用直接就可以过去，全程不需要touch，也不需要手机辅助，它在车载等领域有很大的便利性。

第三个是历史信息，有进行上下文联想功能，比如提醒我明天上午与王先生有会议，查询明天早上有什么安排，方便达成用户的精准诉求。这种技术将会在移动端有很大的作用。

这些都是哦啦语音助手的例子，它在智能家居与可穿戴设备领域都可以进行场景类别的优化。

1号机器人网记者：这些功能的实现是基于哪些技术？

赵子嵩：两大块，一个是多轮的上下文的交互流程，其中的核心技术，是使用了compare编译语言，比如用户提出问题，需要判断是哪个领域，通过compare可以达成多个结果的快速选择，比如出现100个选择，全部展开是非常慢的过程，compare是一个比较快捷精准的选择，这样用户使用起来就不会觉得产品反应慢，用起来就会流畅有序。

第二点是全文检索的结构化知识库。在知识库被维度化处理后，知识不再是孤立存在，而是互相联系配合的特点，这样就能达成比较智能精准的语音服务。

1号机器人网记者：现在语音识别面临哪些问题？

赵子嵩：语音识别分成语音模型与语言模型，其中最大的问题在于短句上，比如“北京”与“背景”就不是很好识别，这很容易产生错误理解，大多数人会理解为北京，所以北京识别率比较高，但是对于需求是“背景”的人反馈到“北京”就是一个错误信息，因为短语没有很好的上下文联系，我们解决方式是基于比较好的语义理解的引擎，来把语言识别对比起来，再来解决这个问题。

1号机器人网记者：以您的视角，您认为当下众多语音公司可以排进前十名有哪些？

赵子嵩：目前我觉得语音公司有很多，但是其实也是分很多细分方向。有名气的例如科大讯飞、云知声、捷通华声，他们都希望把语音识别做成平台。

科大讯飞本来就很有品牌，也有教育市场，也得到政府支持，是语音界里“高大上”的企业，他们左边想走互联网产品，比如输入法，右边又是传统的语音公司与2b合作模式。

云知声与捷通华声都是2b端。出门问问比较特别，完全是2c模式，或许想打造自己的产品，它的方向是想占领语音的入口，但是目前用户粘性还得磨砺。思必驰也是在与其他硬件公司合作，平台也有，其他的语言公司就是主打一款产品，类似专做语音助手等。

综合觉得，语音识别目前来看还是科大讯飞比较好，语义理解上我认为我们是最好。

1号机器人网记者：哦啦未来三年发展规划？

赵子嵩：2015年优化交互系统，延续各大产品线，比如哦啦语音助手和做智能硬件的交互解决方案，现在我们已经为中兴手机提供了语音服务。除此之外，我们还想研究视觉交互，希望未来能够在多人情况下，判断语音是何人所有。

这种判断涉及两个问题，一个是在音色上需要了特征识别，第二是人与人说话是眼神相对的，这块与视觉交互有关系，还有人的面部表情也能反应说话的含义。

还有我们会对智能家居系统做初步实验，这块主要是针对智能家居的解决方案，2016年将会建立人工学习的交互系统。我们现在的上下文语音识别，是与别人合作的。现在很多问题都产生在语言识别上，如果这方面克服不了，识别就会遇到瓶颈。

第二个，基本视觉会完成，主动降噪技术会完善，也会做智能家居的展示厅。我们不会考虑自己做硬件，我们更愿意与硬件企业合作。