【活动总结】我们把一群做「语音」的人凑到了一起，然后聊了聊车
如果说把竞争对手放在一起办活动是一种 zuo 死的节奏，那么 GeekCar 未来汽车「 碰撞」 实验室这次就这么做了。第二次的「 碰撞」 实验室没有上次的炫酷漂移车，没有未来感十足的超级电机，只有「 智能语音」 这个在大多数人看来相对「 技术宅」 的话题，但是来参与「 碰撞」 的朋友们却超出了我们的预想，从这一点来看，大家对车内智能语音或者智能语音人机交互的未来是充满期待和想象的。 这次我们略过所有的环节，直接进入主题：为什么我们的汽车不「 听」 话？！ 出门问问 讨论这个话题，我们需要先来了解一下智能语音的基础知识和梳理一下「 语音」 这个领域的历史。雷欣，华盛顿大学博士、世界知名语音识别专家、前 Google 研究科学家、Google Voice Search 主要开发者之一，这位拥有豪华简历的「 出门问问」 公司 CTO 给我们讲述了「 智能语音」 在美国的发展史及基础技术普及。 1999 年清华大学毕业的雷欣选择到美国读书，在美国的 15 年算是见证了智能语音识别领域的兴起。在 80 年代末期，雷欣口中的「 三剑客」 三个台湾人在贝尔实验室做关于语音方面突破性工作，但那时的语音识别是基于不同的框架，而且当时计算机技术和网络环境也非常差，深度神经网络也没有很好的发展，所以即使理论上做出来但实际上不成功。当时一切语音的进步都是基于 DARPA（美国国防部先进项目研究局）的评测开发出来的技术，而 DARPA 考虑到市面上的 Nuance 已经很成熟，觉得语音识别已经是个「 黑盒子」，不需要再投资给其他的研究所进行研究，所以之后一段时间语音识别并没有很好地发展。04—08 年因为美国国防部对于反恐或国家安全的考虑不想让语音识别研究中断，所以那个时候语音识别在机器翻译领域发展有了更深入的发展。 雷欣认为智能语音在用户端应用的复兴很大一部分要归功于苹果公司 Siri 的营销成功，目前在硅谷除了苹果，其实谷歌在苹果之前就有了 Google Voice Research，另外还有微软、亚马逊、Facebook 甚至很多小公司都正在语音这个领域深耕。 碰撞观点： 1. 虽然目前语音识别已经达到「 可用」 级别，但车内环境复杂，而智能语音搜索不是「 黑盒子」，要考虑垂直场景下的应用。 2. 语音识别的准确率在很小的一个范围内高低浮动用户体验不到太多差别，更多应该强调”End to end users satisfaction”，即使语音识别不够准确，但也可以根据语义理解的优化和纠错给用户呈现一个满意的结果。 车音网 中国车载语音通信的领先者车音网的副总裁陆凌涛一上台，就把人生下来的第一声啼哭描述成语音识别的第一个应用场景。没错，语音识别是最直接、最简单的人机交互方式，但目前无法达到 100%的识别准确率，所以有很多做「 语音助手」 类应用的用户粘度都不是很高，用户习惯也没有养成。车音网认为「 车内应用场景」 正是实现智能语音最理想也是最需要的垂直场景。陆凌涛表示根据车音网的后台数据显示，目前 80%左右的用户在车内的语音需求是根据说电话薄拨打电话，10%左右是查询 POI 兴趣点以及导航，另外的是查询预定酒店、机票等。 对于车音网而言，他们正在做的是帮很多主机厂去优化呼叫服务中心，利用他们的语音识别技术让呼叫中心更加智能化、降低人工成本、提高单位人工的效益。从另一个角度来看，这也对于车载语音车载智能语音的「 曲线救国」 吧。而且通过和车厂的合作，得到车厂的信任和语音相关合作的入场券，也是车音网看重的一点。 同样，陆凌涛也提到了影响车内语音识别率有几个大的问题，这也是目前所有做语音识别车内应用公司的最大问题。1. 车内噪音；2. 行车速度快，网络基站的频繁切换导致语音传输「 丢包」 几率大；3. 垂直场景下的语义理解问题。 碰撞观点： 1. 由于车内噪音高，所以在语音采集方面需要有更新的技术去突破。虽然有人计算过在车内安装个位数的麦克风可以实现对信噪比的改善和提升语音采集准确度，但这么做有两个方式，一是和车厂深度合作，但这需要的时间周期很长，二是走后装市场，但麦克风的嵌入对于拆装车又很麻烦，从成本和产品设计角度都有一定难度。 2. 要想真正把语音放到车里面，需要和车厂建立相互信任的关系，从呼叫中心切入会是比较理想的点，这也是为什么车音网现在可以和马自达、雪佛兰等车厂合作的重要原因之一。 虫洞 作为年轻一代语音和人工智能领域创业公司，虫洞自称「 草根」、「 屌丝」 创业者，但在我看来，这支「 技术型理想主义创业团队」 充满了新奇的想法和对未来语音人机交互方面独特的看法。今天来到未来汽车碰撞实验室的是虫洞联合创始人之一韦克礼（本来和他一起来的还有虫洞的 NAO 机器人，结果机器人出差了… 所以只好下次再来吧）。一上台他就表达了自己对于车内语音未来的看法：语音会是个过渡技术。他认为未来的人机交互模式会是以脑电波传输的方式进行交互。 碰撞观点： 1. 未来最终的汽车应该是「 懂你」 的汽车，未来车内可能会有一个「 可养成的端」，可以根据每个人的个性和习惯、爱好以及出行方式不同，对驾驶者进行深度学习，从一个「 工具」 到「 改变你的生活」，再到「 懂你」。汽车会从一个功能性的机器，逐渐转变为有判断力和决策方式的「 智能机器人」。 2. 虫洞强调「 缺省式」 上下文理解能力，这个能力也就未来能和汽车「 对话」 起来不可缺少的能力。 灵云 第一次参加未来汽车「 碰撞」 实验室的灵云（北京捷通华声语音技术有限公司）显然不太适应这种犀利的「 碰撞」 问答形式，销售副总监李胜利上台时稍显紧张，但这并不阻碍大家认识这家声称要「 造人」 的「 技术宅」 公司。从语音合成（TTS）、语音识别（ASR）、声纹识别（VPR），到自然语言理解（NLU）、光学字符识别（OCR）、手写识别（HWR），灵云似乎涉及到了所有和智能人机交互相关的技术，这取决于他们和清华大学已经其他研究机构的合作关系。同时他们也开放自己的感知云平台，希望开发者们加入。但捷通灵云不做车，是给第三方合作伙伴，由第三方和车厂进行沟通。 碰撞观点： 语音并不只是未来车内人机交互的唯一方式，未来应该是多方位的感知，例如利用语音合成「 听」 懂汽车对你说的话、利用光学字符识别技术在出现交通事故需要走保险的时候扫描上传证件信息、利用声纹识别技术对车辆进行加密等等。 到最后，持续了两个半小时的未来汽车「 碰撞」 实验室智能语音专场终于接近尾声，来参加活动的朋友们成功地喝光了我们准备的所有啤酒，但对于车内智能语音应用及未来人机交互这个话题的讨论并没有结束。略显拥挤的小院让来参加活动的「 竞争对手」 们真正地「 碰撞」 到了一起，在今后的一段时间内，我们身边一定会出现今天活动上某个公司的产品，至于我们什么时候才能真正地和我们的汽车畅通「 对话」？你的车什么时候才能真正地「 懂你」？我想这不仅仅是技术上的问题，还有更多行业思维以及用户习惯方面的问题。 我们不喜欢玩儿虚的，如果你不以产品说话，如果你对自己和产品不够自信，如果你不敢面对听众的质疑和犀利提问，那请你再继续修炼，因为敢来参与并顺利通过 GeekCar 碰撞试验的都是最强悍的 Geek，他们值得被尊重。他们中的某些人有可能在未来改变汽车产业、机械制造业、甚至人工智能行业。如果你觉得你是这样的人，那么请你联系 GeekCar，我们愿意和你一起创造历史。
「老炮」车音网是如何做车内语音的
早在 20 世纪 90 年代，微软、苹果、IBM 等 IT 公司就掀起了第一波语音浪潮，当时的语音识别还处于需要在手机或设备里面嵌入语音识别芯片的「 本地化语音识别」 的阶段，当时有一个中国人受到了这场浪潮的影响，他就是现在车音网的创始人 沈康麒。 现在第一波语音浪潮早已平息，无线网络环境也有了质的改善，1999 年的初始创业团队也经过被收购、重新创业，直到 08 年，在对美国安吉星的一次考察后，创立了「 车音网」。早期是通过语音识别的方式为车主提供车上半自动化的智能服务。直到现在，车音网 不仅仅在语音识别一个层面，更多的是在 车载人机交互层面 在做技术研发。所以 GeekCar 来到了车音网，和车音网副总裁陆凌涛聊聊关于车载智能语音的看法。 车音网在做什么？ 一句话概括，车音网是一家基于语音识别的汽车互联运营商，目前有 320 人的规模，有将近 100 人在做汽车互联项目，应该是汽车垂直领域最早的本土语音识别公司之一。 在 GeekCar 看来车音网更像是车内语音的「 老炮」，他们对汽车「 系统」 的理解更加彻底，目前他们和车厂的合作项目有十几个，这也是他们目前现金流的主要来源。其中包括马自达的语驾、通用的 MyLink2.0 等等前装、准前装项目。车音网从最初的汽车企业 App 端外包开发，向汽车互联平台端的开发转变，平台跟整个车的生命周期关联在一起，从用户买车、到用车。 除了 App 端外还有一个后端服务平台，这个平台除了服务用户外，还服务于汽车厂商、4S 店。给他们提供用户的活跃度、常用的功能、以及用户习惯等数据，通过习惯分析告诉汽车厂商未来应如何通过 4s 店推荐有效服务。在后装市场方面，车音网从 2011 年之后就很少做了，目前只有四、五款自己的产品，今年还会推出一款手机端客户终端产品。 车内语音的问题出在哪儿？ 语音识别技术是车音网的看家本事，目前在中国掌握语音识别核心技术的四个人之一，目前就在车音网的新加坡研究院，而且这四位博士生导师带出来的学生大多数也都在这些地方工作。车音网如同之前我们采访过的「 虫洞语音」 一样，提到了智能语音的更新迭代问题，但他们的态度却十分不同。在车音网的陆凌涛看来，虫洞这样的公司实在太「 理想主义」 了。 「 很多大数据在车内都是伪命题」。 用户在车内的生活和对话是碎片化的，机器或系统智能学习到有限的对话习惯和需求习惯，而无法完整地学习一个人。所以他们的态度是：在车内只要把某件跟用户密切相关的需求做好就可以了。 而对于他们的直接竞争对手，一直坚守和专注语音识别这个堡垒的「 科大讯飞」 来说，车音网认为目前肯为语音识别买单的车厂和用户太少了，作为技术提供方来说，从车厂赚到的钱是很少，作为上市公司的科大讯飞「 赚钱」 的方式和公司性质不同的车音网肯定是不同的。对于车厂和语音识别公司的关系来说，目前很多大多数公司只做了「 语音识别」 这第一件事，而 在「 语音识别」 和「 语义分析」 这两件事中间出现了严重的脱节 。比如汽车厂商、TSP 公司、电信运营商等不具备语音识别的技术能力和背景，所以他们对语音识别的理解是不正确的，例如车厂会要求语音识别公司做到语音控制车辆，这在技术上确实可以实现，但确实也没必要这么做。 「 车内完全通过语音控制车内设备会把车主搞疯！」 汽车厂商对车内控制类设备的操作方面，已经有了非常好的解决方案，完全没有必要用语音这种在操作上略显「 鸡肋」 的方案去实现。想象一下，你对着你的车说：「 关一下窗户。」 汽车反问：「 主人你是要关前后左右哪个窗户。」 你说：「 左前窗。」 汽车反问：「 主人，你要关到多少程度。」 这时候你肯定就疯了，按钮就在你手边，为什么不能按一下呢？！ 什么才是对的车内语音解决方案？ 「 我始终认为在车上用户需要的是简单答案，最好是唯一的。」 在车内，人们对互联网的浏览习惯和在手机 PC 上浏览会有很大不同：在手机或桌面上浏览时，人们是很集中精力的，并且不介意分神。但在车中，用户头脑中无法做出复杂判断和复杂转换，这时就需要「 快、准、狠」 的结果。一般情况下用户不会去问「 世界上蜜蜂有多少」 这种查询类的问题，而是会问跟下一段生活有关连的问题，例如餐馆推荐等等。所以车音网认为理想的解决方案就是 根据很多维度，例如现在的位置、过去常去的地方等等，再结合大数据的算法，从浩如烟海的答案中选择一个最适合的给用户推送过去。 当然，也许你会说这不是我想要的答案，那么他们会继续给你推送第二个答案，如果还不是你想要的（好吧，你应该是处女座），那么他们就会给你转接人工服务。这也是陆凌涛一直在强调的： 「 多种交互方式的组合才是最佳人机交互方式」 通常在实验室、绝对安全的环境下，用户的所有人机交互都是通畅的、网络也是稳定的。但在 高速行驶，高速切换基站的状况下，3G 网络不稳定，车内噪音大 等，都会影响语音识别的准确度。再比如在紧急状态下，用户没有清晰地逻辑思维，想要冷静清晰地向机器转达他的想法并不现实，所以这个时候转接人工座机似乎就成了一种「 应急保障通道」。而且从另一方面说，车主的素质、普通话程度的好坏这些都无法预判。所以「 带有人工座机的车内语音」 也是智能语音在车内好的解决方案之一，也是「 可被商用」 的前提。 说到这儿，陆凌涛表示虽然他们是做语音识别，但他们依然不认为语音识别是万能的。 人脸识别、眼球识别、触控、语音识别这些技术应该用在最合适的地方，并不是一切用语音识别来代替。一些通过大数据、云计算了解并被动发起的 指令（例如提示疲劳、提醒机器故障等）能给用户带来更好的体验。
今日快讯：福特、英特尔共同开发支持手势和面部识别车载系统，宝马中国联合华商三优为 i 系电动车打造私人充电方案
2015 款 Jeep 自由光和克莱斯勒 200 标配发动机启停技术；福特、英特尔将共同开发支持手势和面部识别车载系统；宝马中国联合华商三优为 i 系电动车打造私人充电方案。
试驾 Android Auto 汽车：汽车里装着一个 Google Now
目前 Google 已经和不少汽车厂商合作，不过鉴于一款汽车从设计到生产的流程太长，我们最快会也要等到今年年底才能看到第一辆可以搭载 Android Auto 的汽车。
【「新」汽车的白日梦】黄修源：消费电子技术倒推汽车交互
核心提示：未来的汽车交互什么样？iPhone 的出现怎么改变了人和机器的交互方式？交互设计应该遵循怎样的原则？在 GeekCar& 极客公园线下活动【「 新」 汽车的白日梦】中，游侠汽车创始人黄修源为我们带来了关于汽车交互的思考。他很看重消费电子对于汽车的影响。 车内交互的落后只是一个缩影 很多车子的中控设计的很复杂，给人的感觉非常压抑，好像是一个更复杂的仪器，是波音 737 的驾驶舱。2007 年以前手机可能也是这样的，有很多按键，智能手机要不然做一排按键，要不然就是触控笔在上面戳一下。对比 1995 年和 2013 年的汽车中控，我们发现其实改变并不大，一个行业在 20 年里几乎没做任何改变是很可怕的。 很多数十万、几十万美元的汽车，它们的中控台设计的我认为都有一些反人类，但是反观苹果的 iPad，就非常好用，它的代价只有几百美元而已。 所以汽车行业跟今天的科技产品，这两者之间已经产生了一个巨大的碰撞。 我问过自己一个问题，如果要颠覆一个行业，最重要的是认真的精神还是你特别有想法的一种情怀？思考很久之后，这两个都不是最终答案。需要颠覆一个行业首先这个行业要足够烂，这样才有颠覆的可能和空间。手机领域里这个空间已经很小了，我们为什么不学锤子去颠覆手机行业？最重要的是因为我们看到了更大的可颠覆市场——汽车。 好的交互：简洁，易用 很多人觉得交互一定要惊艳，但是我们认为真正好的交互体验应该是适合用户使用的，而不是一个很炫的方案。交互更是一种自然而然发生的事情，比如我们用拉手去拉衣柜的门，而不是用按钮。 什么是好的交互？我觉得它非常复杂，不是说单纯的 A 方案或 B 方案，应该是一个综合考虑多种情况以后得出的方案。比如说，一个非常复杂的动作，但是可以被非常清楚的用语音表述出来，你就可以用它来解决很多复杂的问题。Siri 在这方面其实还是繁琐，在汽车上我们看到有非常多的途径和路径去解决，有非常多的设备可以实现。重点是怎么用一个成熟的技术，在不涉及安全的情况下，让人们更容易解决各种问题。 我们再看汽车中控，上面有很多按钮，有些你一辈子用一次。有些是一年只用一次。对每一个按钮我们都应该思考它使用的频率。在互联网行业当我们设计一个用户体验界面的时候，我们经常会去想如果是用户每天做的操作，你让他多点一次就是极高的成本。比如说很多注册页面都做的很复杂，因为用户只用一次。如果把每天都要点的按钮都平铺在那里，这就是一个非常差的体验。我认为按钮的简洁程度和使用频率有关系。 设计不应该被框住 我们经常在想我们能做什么样的改进，很多汽车厂商也在问这个问题。对于设计师来说，问题是当给我任务的时候，就已经给我做了很多限定，比如设计一个交互界面，给我配的是一个 7 寸的屏幕，所有的交互都要放进去，你没有办法控制你的屏幕的大小，没有办法选择你的空调用的是哪家供应商，他有哪些功能。很多时候这些边界成为设计上无法突破的红线。 我相信很多设计师其实是很厉害的，他们试图去改变很多糟糕的体验。但是是什么导致了 2013 年的车跟 1995 年的车没有区别，这个是整个汽车厂商应该思考的问题，是不是我们给设计师固定了太多局限，让他们很难去为汽车做很多改进。 iPhone 出现以前手机只是一个电话，这给我们的启示是怎么样设计一个汽车，结论是要把车当做智能车来设计。顺便说一句 CarPlay，它的想法其实已经很深入了，但是我认为它只能对苹果手机这样的东西有帮助，但是对于一辆汽车来说，虽然它比之前所有的方案都好，但还不是最终的方案。 我们的团队要放弃传统汽车的观念，我们要做中国的特斯拉，这是非常宏伟的想法，但是我们真的在路上做一些事情。我们要做的几个事情：第一是做一个基于安卓的车载系统，第二是做一个电动汽车，第三是做一个语音识别方案，第四做智能驾驶，所有要做的事情目的都是为了让汽车的使用体验更好。