苹果Siri：更聪明的“听说”

2011-11-4 《商业价值》杂志


　　很多技术本身并不难，难的是技术之后的大规模普遍商业化。



　　方世彤 独立新媒体观察、研究者



　　“我可以送你回家吗？”

　　“太好了，不过我是要坐奔驰车的哦。”

　　“我们去吃饭吧。”

　　“好的，出门左拐，两百米外的酸辣粉是我的最爱。如果你用手机签到，还能打八折。”

　　iPhone 4S 上市，大家听说过、没玩过的Siri迅速成为众人调戏的对象。这样的用户体验确实不错。一个会听懂你说话，同时能和你对话的应用一下子博得大家的好感。舆论评论说，许多人将会因为这一项应用而用iPhone 4S替代iPhone4。

　　这一次又是苹果点燃了这场语音识别的大火。

　　拥有众多语音识别方面专利的公司Nuance现在大热，网上热传他们和谷歌，或者苹果都有紧密的关系。毕竟人家拥有许多专利，和这些公司在语音方面有交集也非常正常。现在连我们国家的中兴通讯也证实正在与Nuance紧密合作。

　　QQ2011正式推出，其中的输入法就提供了听读，虽然反应速度还嫌慢些，但也算是赶上了这个潮流。把早已推出该项技术的“科大讯飞”的市场之路又给挡住。语音识别算不上什么新鲜的技术，正如触控当初也不算什么新鲜的技术。李开复博士曾经研发的Sphinx就是世界上最早的语音识别系统。

　　但是如果拿原始的那些技术给消费者，却是真要折磨死普罗大众。早先微软的Windows 7推出，就提出可以使用语音命令。但是由于这项功能挺傻的，谁自言自语工作呢？所以这项功能没有普及。而在导航仪上能使用语音的功能更是用之者寥寥。只有当这些技术以适应普通用户体验的方式呈现时，这些技术才能迅速地普及开来，并深刻地改变某些产品领域。

　　这是一个古老的命题。改变这一切的还是苹果，还是乔布斯。借助iPhone4S“听说”正在成为一项被市场追捧的，继触控之后的又一项超级用户体验工具。换句话说，如果不是苹果和乔布斯将这项十多年前就已经出现的技术，运用到淋漓尽致。“听说”远不会有今天受人追捧的成就。

　　除此之外，在音乐识别方面，MusicHound是许多音乐爱好者的最爱，这项iPhone和iPad的应用能够识别任意音乐片段，并提供相关信息及Youtube等网站上的播放链接。更妙的是你哼唱的话，它也可以识别。而另一项应用Shazam也具备同样的能力，不一样的是，人们为它寻找到了与听音乐不一样的应用，并且成功地推向市场。这就是“听广告签到”。Shazam可以听到广告内容，在识别的过程中，可以为开启此项应用的用户提供优惠券，积分等奖励。使得这项技术获得市场的认可，并且得到推广与普及。

　　早前一家名为IntoNow的公司推出他们听声签到技术(即听电视节目的声音实现电视节目签到技术)不过三个月就被雅虎公司以迅雷不及掩耳之势收购。这其实正说明此项技术正被业界紧密的关注，但凡有一点突破和特点，就会被大公司迅速招安。而大公司背后一定是要推出更加符合用户体验需求的产品。我们有理由想象这项技术在广告方面的作用。它能为广告主提供精准的客户，并进行精准的B2C营销服务。而这里面的价值确实将会是非常庞大的。

　　在图形识别技术方面，人类的研究已经快到一个顶点，从早期的条形码识别，到后来的二维码识别，再到彩码识别，识别从有形到无形，几乎无所不能。而这些的进步无一不是在改善着人们的用户体验。而笑脸识别，任意图形识别，AR技术都在带来一些全新的应用和人们对看的体验的革命。联想去年和一家国外公司合作推出了肢残人使用的笔记本电脑，能够用眼球的运动来控制鼠标。这样的应用立时得到市场的积极反应。而这样的技术也给残疾人带来了更好使用电脑的福音。而在近日发布的安卓4.0更创新地可以实现人脸识别启动手机的功能。

　　我们见证的是用户体验的不断被满足，人机互动越来越流畅。而这些体验的满足与不被满足的界限往往只是在一两秒之间。如果听你的声音，再识别，并能够回答你的时间过长，你绝对不会喜欢的。但是为了缩短这样的时间，研发人员必须要想出许多办法。而我们以前总说某某技术不难，我们谁谁都可以做。但是真到了产品阶段，却难以产生令用户买单的结果。这显然正在改变我们的固有思维，正在告诉我们，不成功的原因。

　　整个IT业的发展历程更像是个人机对话的提升过程，从最早的各种语言程序，到后来的可视化的操作系统，再到今天的云计算，图形及声音的识别。我们正在用这些人机对话来改善我们在传统业务中的操作。以广告为例，它将从原来的浪费式刊出形式，转变为更加人性化的贴身服务。从Siri聪明的回答中，我们可以想象的是众多广告主将要夺取Siri话语权。

科大讯飞缺少质变的基因