CTI論壇(ctiforum.com)3月15日消息（編譯/老秦）： 語(yǔ)音平臺市場(chǎng)今年似乎正在接近一個(gè)重要的拐點(diǎn)。最初圍繞這項技術(shù)的熱情已經(jīng)消退。部署繼續增加，但比最初預期的要緩慢。因此，供應商正在改變他們的優(yōu)先事項，目標是這些變化將帶來(lái)突破，從而推動(dòng)市場(chǎng)采用。
語(yǔ)音應用程序開(kāi)發(fā)平臺是構建商業(yè)和消費者語(yǔ)音應用程序的基礎。創(chuàng )建為用戶(hù)提供語(yǔ)音界面的基礎設施是一項艱巨的任務(wù)，需要許多構建塊。一些區塊已經(jīng)到位，但許多仍在開(kāi)發(fā)中。
年度回顧
- 最初，供應商的努力集中在添加更多語(yǔ)言和擴展其開(kāi)發(fā)工具的范圍。這些領(lǐng)域的努力仍在繼續。
- 3 月，微軟在 Azure 神經(jīng)文本轉語(yǔ)音中增加了對 11 種語(yǔ)言的支持。該供應商現在可以使用 60 種語(yǔ)言、142 種神經(jīng)語(yǔ)音和總共 219 種語(yǔ)音。
- 4 月，提供語(yǔ)音人工智能和會(huì )話(huà)智能技術(shù)的SoundHound將其Houndify Voice AI 平臺擴展到 22 種語(yǔ)言。有了它，開(kāi)發(fā)人員可以將對話(huà)智能添加到他們的產(chǎn)品和服務(wù)中。
- 開(kāi)發(fā)人員喜歡使用某些工具、語(yǔ)言和技能。作為回應，領(lǐng)先的供應商也為其產(chǎn)品線(xiàn)添加了新的開(kāi)發(fā)輔助工具。
- 7 月，亞馬遜發(fā)布了迄今為止最大的新工具版本。開(kāi)發(fā)人員現在可以構建特色技能卡，以在主屏幕旋轉中提升他們的技能。
此外，現在當 Alexa 響應常見(jiàn)請求時(shí)會(huì )建議他們的技能，例如"Alexa，給我講個(gè)故事"；"Alexa，我們來(lái)玩個(gè)游戲吧"；或"Alexa，我需要鍛煉。"個(gè)性化的技能建議基于客戶(hù)對相似技能的使用。新的上下文發(fā)現機制允許客戶(hù)使用自然語(yǔ)言并找到技能。
在禮包中是開(kāi)發(fā)人員為他們的技能創(chuàng )建小部件的一種方式。有了它們，客戶(hù)可以通過(guò)屏幕輸入和語(yǔ)音與 Echo Show 或其他 Alexa 設備進(jìn)行交互。
展望未來(lái)
增加語(yǔ)言和工具的數量是有幫助的，但并不能解決主要的市場(chǎng)障礙：公司仍然難以構建語(yǔ)音應用程序部署的業(yè)務(wù)案例。"很少有公司來(lái)找我們構建純語(yǔ)音應用程序，"Chant 總裁兼創(chuàng )始人 John Earle 解釋道。
大約十年前宣布語(yǔ)音接口時(shí)，供應商模仿移動(dòng)應用程序開(kāi)發(fā)市場(chǎng)的努力，但語(yǔ)音并沒(méi)有像移動(dòng)應用程序那樣迅速流行或變得無(wú)處不在。
市場(chǎng)領(lǐng)導者亞馬遜的經(jīng)驗有助于說(shuō)明該行業(yè)的演變并確定該行業(yè)的現狀。一方面，供應商已經(jīng)相當成功。超過(guò) 900，000 名開(kāi)發(fā)人員創(chuàng )建了超過(guò) 130，000 項 Alexa 技能，這些技能用于廣泛的主要消費者應用程序。
但在最初的匆忙之后，技能開(kāi)發(fā)出現了顯著(zhù)下降。 2019 年前 10 個(gè)月，Alexa 技能收入僅為 140 萬(wàn)美元，遠低于亞馬遜 550 萬(wàn)美元的目標。從那以后，亞馬遜沒(méi)有公布其技能數量、開(kāi)發(fā)者收入或目標。
為什么收入會(huì )下降？"最初的語(yǔ)音技能很豐富，但在許多情況下并不是很有用，尤其是對企業(yè)而言，"對話(huà)技術(shù)負責人兼萬(wàn)維網(wǎng)聯(lián)盟多模式交互工作組主席 Deborah Dahl 解釋道。"它們發(fā)展迅速，在許多情況下沒(méi)有經(jīng)過(guò)深思熟慮。"
不過(guò)，企業(yè)寄予厚望。例如，Uniphore首席技術(shù)官BalajiRaghavan表示，他們必須進(jìn)行檢查以保護客戶(hù)數據隱私。他補充說(shuō)，最小的錯誤可能會(huì )導致嚴重的業(yè)務(wù)問(wèn)題，例如當銷(xiāo)售電話(huà)將呼叫者的意圖解釋為"去"而不是"不"時(shí)，或者當呼叫中心的客戶(hù)因失去親人而哭泣時(shí)，但語(yǔ)音機器人會(huì )嘗試快速結束通話(huà)，以盡量減少處理時(shí)間。
由于其他一些原因，語(yǔ)音應用程序開(kāi)發(fā)落后于移動(dòng)市場(chǎng)應用程序開(kāi)發(fā)。一個(gè)因素是前者經(jīng)過(guò)多年成熟并建立了一個(gè)強大的生態(tài)系統，代碼可以輕松混合和匹配。標準已經(jīng)出現，使供應商和第三方可以輕松混合和匹配軟件。因此，兼容的軟件具有高水平的互操作性和可移植性，使公司可以花更多的時(shí)間為他們的應用程序添加所需的功能，而不是試圖讓基本的基礎設施部分協(xié)同工作。
因此，正在多方面開(kāi)展工作以解決這些缺點(diǎn)。在某些情況下，供應商負責鏟子工作。
亞馬遜一直處于語(yǔ)音互操作性計劃 (VII) 的前沿。其目標是開(kāi)發(fā)通用接口，以便多個(gè)語(yǔ)音座席理同時(shí)在單個(gè)設備上工作。
亞馬遜還開(kāi)發(fā)了多座席設計指南，為創(chuàng )建此類(lèi)解決方案提供了最佳實(shí)踐。該計劃獲得了 80 多家供應商的支持，其中包括消費電子品牌、汽車(chē)制造商、電信運營(yíng)商、硬件解決方案提供商和系統集成商。杜比、Facebook、Garmin 和小米都支持這項工作。
該計劃具有潛力，但它專(zhuān)注于亞馬遜自身生態(tài)系統的開(kāi)發(fā)。范圍更廣的替代方案正在出現。
2020 年 6 月，Linux 基金會(huì )成立了開(kāi)放語(yǔ)音網(wǎng)絡(luò )（OVN）。該計劃源于麻省理工學(xué)院 (MIT) Auto-ID 實(shí)驗室、凱捷咨詢(xún)和英特爾的合作。
該聯(lián)盟確定語(yǔ)音座席需要合作，有時(shí)還需要相互合作。"開(kāi)放語(yǔ)音網(wǎng)絡(luò ) (OVN) 認為，互操作性應該使語(yǔ)音助手能夠共享對話(huà)、數據、上下文和控制，"Larson技術(shù)服務(wù)副總裁兼開(kāi)放語(yǔ)音網(wǎng)絡(luò )高級顧問(wèn)Jim Larson說(shuō)。
OVN 概述了六個(gè)語(yǔ)音座席互操作性功能：
- 調用遠程語(yǔ)音座席。目標是為語(yǔ)音提供與現在互聯(lián)網(wǎng)上的數據相同的普遍功能。語(yǔ)音座席地址使其能夠到達任何網(wǎng)絡(luò )目的地，無(wú)論平臺或位置如何。
- 支持語(yǔ)音注冊系統。在互聯(lián)網(wǎng)上，域名系統 (DNS) 通過(guò)互聯(lián)網(wǎng)將特定網(wǎng)站的請求路由到指定網(wǎng)站。語(yǔ)音注冊系統 (VRS) 使語(yǔ)音座席所有者能夠注冊其軟件的唯一名稱(chēng)，因此用戶(hù)可以直接連接到它們。
- 在語(yǔ)音座席之間切換。目前，語(yǔ)音座席是隱蔽的。該行業(yè)必須轉向用戶(hù)可以調用多個(gè)語(yǔ)音座席的模型。
- 處理隱式請求。現在，用戶(hù)必須直接提問(wèn)。他們應該能夠提出隱含的請求。
- 在語(yǔ)音座席之間共享數據和上下文。消費者不希望必須回答每個(gè)語(yǔ)音座席的相同問(wèn)題。語(yǔ)音座席需要能夠共享它收集的任何用戶(hù)數據并將其放入正確的上下文中。
- 擴展公司的角色。角色是指由語(yǔ)音座席呈現的聲音和特征。當用戶(hù)切換到第二個(gè)語(yǔ)音座席時(shí)，開(kāi)發(fā)人員可以在用戶(hù)切換到第二個(gè)語(yǔ)音座席時(shí)維護第一個(gè)語(yǔ)音座席的角色，而不是在語(yǔ)音座席之間切換時(shí)切換角色。
與此同時(shí)，負責VoiceXML規范的萬(wàn)維網(wǎng)聯(lián)盟一直在研究第三種選擇。 W3C 語(yǔ)音交互社區小組希望一個(gè)語(yǔ)音應用程序將信息傳遞給第二個(gè)應用程序。他們正在研究的領(lǐng)域包括：
- 發(fā)現具有特定專(zhuān)業(yè)知識的虛擬助手，例如可以提供天氣信息的虛擬助手；
- 語(yǔ)音識別器統計語(yǔ)言模型的標準格式；
- 參考常見(jiàn)概念的標準表示，例如時(shí)間；
- 對話(huà)界面的互操作性；和
- 對話(huà)管理或"工作流"語(yǔ)言的共同工作。
最終結果是開(kāi)發(fā)語(yǔ)音行業(yè)標準的工作已經(jīng)開(kāi)始，這將使軟件供應商、第三方系統集成商和咨詢(xún)公司以及企業(yè)更容易將技術(shù)集成到他們的應用程序中。目前，這項工作正在自主進(jìn)行。"從技術(shù)上講，合并的潛力很大，"Dahl說(shuō)。
但障礙依然存在，首先是標準的統一。"許可和知識產(chǎn)權（需要解決知識產(chǎn)權問(wèn)題），"她補充道。
語(yǔ)音開(kāi)發(fā)平臺的基石不斷成型。供應商正在擴展他們的解決方案。語(yǔ)音座席互操作性項目正在獲得關(guān)注。預計這些可能性將在新的一年內競爭接受，并使供應商、企業(yè)和第三方更容易混合和匹配語(yǔ)音軟件。
聲明：版權所有 非合作媒體謝絕轉載
作者：Paul Korzeniowski
原文網(wǎng)址：https://www.speechtechmag.com/Articles/Editorial/Features/The-2022-State-of-Speech-Development-Platforms-151326.aspx
