|
|
51CTO旗下网站
|
|
移动端

1.3.3 声控交互

《实感交互:人工智能下的人机交互技术》本书将深入讲解基于触摸、手势、语音和视觉等自然人机交互领域的技术、应用和未来趋势。本节为大家介绍声控交互。

作者:温秀颖 译来源:机械工业出版社|2019-02-03 19:39

1.3.3 声控交互

可以说人与人之间最有效也是最普遍的交互形式是有声语言。要了解这一点,只需要做一个“思考实验”。假想你是一个特立独行的世界探险家,突然发现自己不但无法理解所到之处的人际交谈,自己的话语也让别人感到不知所云!有声语言交流始终都是现代人类文明发展和社会交融的根本动力。有证据显示,学术界和企业界均对使用声音输入、处理和输出的人机界面的发展有着浓厚的兴趣并付出了巨大的努力。

虽然我们可以毫不费力地表达和理解他人的话语(大多数情况下),但是让一台计算机具备人类拥有的对有声语言的理解能力绝非易事———我们为了这个目标已经奋斗了一个世纪。扫一眼图19就可以迅速了解到这个挑战。图中特别展现了发声短语“miningayearofspeech(挖掘一年的语音数据)” 的语言波形记录。我们在说话的时候会不均匀地断句或使用短间隔,这会生成一连串没有间隔的听觉信号,或者我们根本就察觉不到声音中的间隔在哪!我们也经常在对话中使用一些不完整的句子,把并无意义的词语安插在句段之间,为断开的意群“搭上桥”。概括地说,语音识别算法的任务就是要把有声话语转换成一系列文本,并摘取该文本表达的含义。声控交互界面发挥了这些功能来在用户和设备间构建一个声音互动方案。

自从20世纪二三十年代由HarveyFletcher和HomerDudley在贝尔实验室进行的人类语音建模与合成的开创性尝试开始[24,25],自动语音识别研究一直在过去的几十年间稳步发展,特别是在20世纪80年代语音建模的统计算法的创立,以及近期在自然语言理解方面所取得的进步尤为引人注目。在1968年问世的史诗科幻电影《太空漫游》(ASpaceOdyssey) 中,编剧StanleyKubrick和ArthurCClarke预见的HAL9000———一台将在20世纪90年代诞生的电脑———可以流畅自如地和人类进行语音对话。虽然我们尚未实现HAL所具备的所有神奇功能,最近在声音界面和交互领域的突破还是创造了很大的商业价值,并催生出越来越多的在移动装置、计算机工作站和汽车中使用的应用程序。

在多数情况下,计算机装置的声控界面会生成简单自然的人机互动。比如,一句简单的语言命令“播放[歌名]这首歌”就能让装置迅速地从服务器存储的许多歌曲中挑选出来并开始播放。同样的,一道命令“把这张照片放到我的脸谱网(Facebook) 主页上” 就能够马上上传用户使用智能手机拍摄到的画面,或是从之前存储好的相册中选出来。“播放昨晚保存的温布尔登网球赛” 则能在媒体存储器中找到相应的网球比赛,并开始在电视机荧屏上播放。说一句“指给我去SFO的方向” 就能显示出前往圣弗朗西斯科国际机场的路线图以及驾驶方向。

用传统的界面完成这些任务需要浏览大量的命令窗口、输入文本以及敲击许多按键。然而通过语音命令完成相同的任务则会从根本上变得更简洁、更迅速,只要该设备能够按要求准确地理解并处理在真实场景中使用的语音命令和指示。

拥有自然语言理解和语音合成功能的语音识别技术保证了电脑、通信、娱乐和许多其他电子设备以及系统的大规模推广。当我们的双手和双眼忙于类似烹饪、驾驶、购物、园艺和锻炼等事务时,不妨使用语音识别来操作相关设备。它还有可能使许多残障人士能够进行电脑操作。

下面将会阐述,声控交互在与其他交互途径联用时功效特别强大,比如手势或凝视追踪。未来的计算机将无孔不入,那时的感知和推理技术将全方位融入我们的生活———衣食住行、工作娱乐等方方面面,而基于有声语言的互动将起到至关重要的作用。目前,从交互显示的观点来说,声音界面似乎可以使我们更简单地与各种形态的显示器交互,从而获得更为本真的体验。

第3章中,Breen等人深度综述了声控用户界面的基本原理和发展。几位学者就语音界面的重要元素展开讨论,包括语音识别、自然和对话语言理解技术、对话管理、语音合成、高效语音处理的硬件及系统结构优化,以及应用众多的交互设备和系统的程序等。


喜欢的朋友可以加入官方的读书群

51CTO读书频道二维码


51CTO读书会第9群:808517103

【责任编辑:book TEL:(010)68476606】

回书目   上一节   下一节
点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

活学活用 Ubuntu Server

活学活用 Ubuntu Server

实战直通车
共35章 | UbuntuServer

216人订阅学习

Java EE速成指南

Java EE速成指南

掌握Java核心
共30章 | 51CTO王波

83人订阅学习

Mysql DBA修炼之路

Mysql DBA修炼之路

MySQL入门到高阶
共24章 | 武凤涛

468人订阅学习

读 书 +更多

超级网管员——网络服务

本书全面介绍了Windows Server 2003 R2中最常用的各种服务,包括域名服务、动态IP地址服务、Windows名称服务、活动目录服务、Web服务、FTP...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO播客

博聚网