“大突破！語音識別能力超過人類！”

“遠(yuǎn)場識別率超 90%！”

“語音合成自然度媲美人類！”

語音技術(shù)和硬件指標(biāo)頻繁超越、媲美人類，充滿感嘆號的題目開始讓人疲憊。2017 年智能音箱大戰(zhàn)爆發(fā)，大小玩家紛紛入場，可至今我們?nèi)晕吹鹊侥强睢罢Z音交互現(xiàn)象級產(chǎn)品”。中國的 Amazon Echo 藏在哪兒？

大公司視角：絕不是制造一個(gè)會說話的音箱這么簡單

“音箱不僅僅技術(shù)驅(qū)動的。技術(shù)的角度看會希望是大而全、用戶的什么都能回應(yīng)的音箱，但現(xiàn)實(shí)世界并非如此?！痹谝淮斡?Geek2Startup 主辦的小型沙龍活動上，作為分享者的 Google Home 創(chuàng)始團(tuán)隊(duì)成員張逸嘉如是破除了技術(shù)迷思。

1. Google Home 誕生往事：音箱的產(chǎn)品特點(diǎn)

通過串聯(lián)起家中的智能設(shè)備和個(gè)人賬號數(shù)據(jù)，以音箱作為語音交互入口，以手機(jī)智能助手作為輔助——Google Home 從沒被“大而全”的技術(shù)視角束縛，一直走的就是偏向智能家居中控的輕量級路線。

不過與電商基因的 Amazon 相比，立足搜索、擁有更多數(shù)據(jù)的 Google 在智能音箱上本該更有優(yōu)勢?？蔀楹稳缃裾紦?jù)市場超過 70% 份額的，會是 Amazon Echo 系列？

也許這要回溯到 Google Home 的誕生。最初開始思考 Google Home 時(shí)，團(tuán)隊(duì)考慮的是將已有的“上下文搜索”等搜索技術(shù)，與 Google Now 的 Voice Actions 功能進(jìn)行融合。這就相當(dāng)于是將搜索引擎“語音化”，音箱只是硬件形式的外殼。

從當(dāng)下已經(jīng)驗(yàn)證的結(jié)果看，智能音箱在功能上絕不只是搜索的入口。用戶使用音箱時(shí)往往有三種請求：問答類，即有知識背景的，與搜索引擎的功能類似，如“最小的貓是什么貓”等；動作類，即由任務(wù)驅(qū)動的，與智能家居中控的功能類似，如“關(guān)燈”“開空調(diào)”等；閑聊類，即供用戶消遣，通常提前由文本安排好的對話，如“你是誰”等。搜索引擎型對話只是其中的一部分。

同時(shí)隨著研究的深入，Google 發(fā)現(xiàn)對話場景自有其特點(diǎn)，比如用戶會更傾向于使用自然語言，默認(rèn)自己處于有上下文的溝通環(huán)境等等。

于是 Google 組建了 Assistant 團(tuán)隊(duì)為語音助手提供更全面的支持，并開始為音箱增加了閑聊、游戲等搜索引擎中并不會出現(xiàn)的功能。

2016 年 5 月，Google 在 I/O 大會上正式發(fā)布了 Google Home。此時(shí)第一批 Echo 已經(jīng)發(fā)售了近 2 年，距離 Echo 在 Amazon 內(nèi)部立項(xiàng)已經(jīng)過去了 4 年。

此時(shí)追上 Echo 腳步的 Google Home 在語音、語義技術(shù)和數(shù)據(jù)上都更有優(yōu)勢，可用戶的評價(jià)仍傾向于 Echo，并在 Amazon 上為它打出 4.5 的高分。

“技術(shù)給出了窗口，但音箱產(chǎn)品的口碑和營銷很重要。”作為 to C 產(chǎn)品，消費(fèi)者天然注重反饋與口碑，產(chǎn)品的評價(jià)一旦形成，銷量的滾雪球之勢就很難阻擋。與 Google 相比，Amazon 的分銷渠道和營銷能力上顯然更勝一籌。

吸取教訓(xùn)的 Google，開始在 BestBuy 等渠道建立口碑。據(jù)稱 2017 年 Google Home“銷量大增”，達(dá)到 630 萬臺。

為什么不是 Google 更早做出音箱？除了一款成功的 Chromecast，從未在硬件產(chǎn)品上嘗過甜頭的 Google 注定不會主動制造類似產(chǎn)品。直到 Echo 大賣、開始搶占家庭入口，對“流量”異常敏感的 Google 才會開始行動。

2. 智能音箱的中國特色生存環(huán)境

同樣是能對話、游戲、播放音樂、與智能家居聯(lián)動的智能音箱，為什么還沒在中國“火”起來？

中國的智能音箱市場有自己的特點(diǎn)。

除了沒有音箱消費(fèi)習(xí)慣，大部分人持觀望態(tài)度外，音箱所處的使用環(huán)境也有很大不同。

海外的家庭環(huán)境通常是大空間、雜音少、成員較少，語音識別的準(zhǔn)確率相對較好。中國的家庭環(huán)境通常空間不大、電視機(jī)等背景雜音較多，家庭成員較多，識別起來有很多困擾。同時(shí)中文方言較多，語音語調(diào)都會影響識別結(jié)果。

3. 聚焦任務(wù)型需求，是中國智能音箱的出路嗎？

這場小型沙龍參與者，有投資經(jīng)理、產(chǎn)品經(jīng)理，有研機(jī)構(gòu)也有創(chuàng)業(yè)者。分享結(jié)束后的互動時(shí)間，人們的提問繞來繞去，終究繞不過那個(gè)如金蘋果般、讓所有人著迷的問題：中國的現(xiàn)象級語音交互產(chǎn)品應(yīng)該是什么樣子？

“和家中的任何設(shè)備都能交互，形成一個(gè)整體?！睆堃菁蔚幕卮鹋c Google Home 的思路一致，同時(shí)他也清楚的了解中國現(xiàn)狀，“不過在中國很難實(shí)現(xiàn)。”

音箱的使用場景決定了“開燈”“關(guān)燈”的任務(wù)型需求會隨時(shí)間推移，成為頻率最高的用戶請求，真實(shí)的用戶使用數(shù)據(jù)也印證了這一點(diǎn)。不過在中國，除了如前文所述的內(nèi)容壁壘，還有繞不過去的智能硬件生態(tài)壁壘。以智能家居中控的視角看待智能音箱，只能希求不同設(shè)備之間的協(xié)議打通，或者出現(xiàn)一個(gè)端口標(biāo)準(zhǔn)化、并被所有人認(rèn)可使用的通用平臺。

這是中國智能家居行業(yè)努力了很久，卻沒能完成的事。

設(shè)計(jì)師視角：我們需要更多懂語音交互的人

人機(jī)交互研究背景、在北美用戶體驗(yàn)設(shè)計(jì)行業(yè)工作多年的劉夢溪，是專注于人工智能領(lǐng)域的設(shè)計(jì)創(chuàng)新公司 FutureForm 的創(chuàng)始人。

自 2015 年起，關(guān)注到人工智能領(lǐng)域的 FutureForm 就在語音交互設(shè)計(jì)方面展開了探索。2016 年，通過多次深入合作，F(xiàn)utureForm 與云知聲 AI Lab 合作并落地了智能家居垂直解決方案 Pandora，以及兒童語音交互解決方案 Unitoy。