千里之外的北京，谷歌全球副總裁維克·甘多特拉(Vic Gundotra)也在向中國(guó)媒體展示該公司剛剛推出的中文版語(yǔ)音搜索。“紐約最好的意大利餐廳！”維克拿出手機(jī)放在耳朵上，操著并不熟練的中文大聲說(shuō)道，然后笑瞇瞇地把手里的手機(jī)轉(zhuǎn)向大家。是的，不到一秒鐘的時(shí)間，屏幕上已經(jīng)顯示出了搜索結(jié)果。

不需要再噼里啪啦地敲擊鍵盤了，一個(gè)并不陌生的語(yǔ)音時(shí)代難道已經(jīng)來(lái)臨？

鍵盤不再是必需品

手機(jī)是這場(chǎng)語(yǔ)音化浪潮的中心。“在小小的手機(jī)鍵盤上輸入文字搜索信息并不容易，”谷歌中國(guó)產(chǎn)品經(jīng)理許裴說(shuō)，“一些較長(zhǎng)的詞，鍵盤輸入不僅速度很慢也容易拼錯(cuò)，而我們正在開(kāi)車的時(shí)候是沒(méi)有辦法停下來(lái)用手打字的。”據(jù)微軟移動(dòng)高級(jí)總監(jiān)帕祖斯基(Dariusz Paczuski)統(tǒng)計(jì)，使用智能手機(jī)搜索一個(gè)餐廳需要按鍵盤超過(guò)20次，發(fā)短信則需要更多下。而只需張嘴的語(yǔ)音搜索則能提供更方便、快速和簡(jiǎn)單的搜索服務(wù)，大大降低人們使用手機(jī)搜索的門檻。

手機(jī)的演化也為語(yǔ)音搜索的實(shí)現(xiàn)提供了硬件基礎(chǔ)?，F(xiàn)在幾乎所有手機(jī)都擁有錄音、照相等功能，智能手機(jī)的出現(xiàn)則讓手機(jī)從一個(gè)單純的通話裝置變成一臺(tái)小型的計(jì)算設(shè)備。按維克的話說(shuō)，麥克風(fēng)和攝像頭跟互聯(lián)網(wǎng)相連之后，變成了云端的耳朵和眼睛。

越來(lái)越多的公司意識(shí)到，移動(dòng)搜索領(lǐng)域會(huì)呈現(xiàn)與互聯(lián)網(wǎng)搜索截然不同的人機(jī)交互方式。網(wǎng)易有道總裁周楓就曾透露，有道現(xiàn)在和未來(lái)的產(chǎn)品設(shè)計(jì)將不需要用戶手動(dòng)輸入任何文字，而更多采用的是語(yǔ)音搜索、攝像頭搜索等智能化方式。有道搜索的手機(jī)購(gòu)物助手可以利用手機(jī)條形碼掃描為消費(fèi)者提供價(jià)格比對(duì)信息；而有道手機(jī)詞典則可利用手機(jī)攝像頭為用戶提供單詞實(shí)時(shí)翻譯功能等。

谷歌則把重點(diǎn)放在了語(yǔ)音搜索上。去年谷歌在美國(guó)發(fā)布了英文語(yǔ)音搜索服務(wù)Voice Search，應(yīng)用于Android、諾基亞S60、黑莓、iPhone等多個(gè)系列的手機(jī)。其競(jìng)爭(zhēng)對(duì)手微軟也早早地進(jìn)行了布局。2007年，微軟收購(gòu)了領(lǐng)先的手機(jī)語(yǔ)音識(shí)別服務(wù)廠商TellMe，組成了微軟現(xiàn)在的語(yǔ)音團(tuán)隊(duì)，TellMe為包括411商務(wù)搜索、1-800-555的信息搜索以及美國(guó)航空在內(nèi)的企業(yè)提供語(yǔ)音平臺(tái)。微軟新的語(yǔ)音團(tuán)隊(duì)最大的任務(wù)就是把語(yǔ)音搜索技術(shù)與Windows Mobile整合起來(lái)，移動(dòng)版Bing搜索在三星手機(jī)上已經(jīng)實(shí)現(xiàn)與谷歌類似的語(yǔ)音搜索功能。

手機(jī)將會(huì)成為語(yǔ)音化浪潮的中心

云端的語(yǔ)音搜索

語(yǔ)音搜索是通過(guò)云計(jì)算和機(jī)器的智能分析實(shí)現(xiàn)的。“你說(shuō)的關(guān)鍵詞會(huì)成為聲波，再轉(zhuǎn)換為數(shù)字，然后把它通過(guò)‘云’發(fā)到我們的后端，計(jì)算機(jī)會(huì)基于我們所有的數(shù)據(jù)，來(lái)識(shí)別這些語(yǔ)音。”維克說(shuō)。因?yàn)樗械挠?jì)算都是在云端計(jì)算的，所以用戶能在極短的時(shí)間里得到搜索結(jié)果。值得注意的是，聲波里面包含著很多背景雜音，有些背景噪音連人的耳朵都難以分辨，但計(jì)算機(jī)系統(tǒng)能夠識(shí)別出這些背景噪音并進(jìn)行分離和過(guò)濾。 這樣，“無(wú)論大家在出租車還是在街上做語(yǔ)音搜索都可以成功。”維克說(shuō)。

與文字輸入不同的是，準(zhǔn)確性是人們對(duì)于語(yǔ)音識(shí)別最大的擔(dān)心。盡管按照維克的說(shuō)法，谷歌已經(jīng)花了很多的時(shí)間，了解各種口音、各種習(xí)慣的表達(dá)方式，但面對(duì)人類千奇百怪的發(fā)音，語(yǔ)音識(shí)別永遠(yuǎn)不可能做到完美。就在演示現(xiàn)場(chǎng)，當(dāng)有人念出類似“清華大學(xué)附近的水煮魚”這樣的句子時(shí)，機(jī)器的識(shí)別當(dāng)場(chǎng)便出現(xiàn)了錯(cuò)誤，

然而，就像圖文搜索引擎一樣，語(yǔ)音搜索的優(yōu)勢(shì)在于，其語(yǔ)音識(shí)別模式是基于全球幾十億的搜索請(qǐng)求，搜索引擎的算法會(huì)隨著對(duì)搜索請(qǐng)求的深入分析而變得更加精準(zhǔn)。目前，谷歌在語(yǔ)音搜索的識(shí)別結(jié)果的下拉菜單里，提供了幾個(gè)備選選項(xiàng)，用戶可以選擇正確的那個(gè)。這樣，系統(tǒng)就接受了某種“培訓(xùn)”，知道下次再有人這樣說(shuō)話哪個(gè)是正確的選項(xiàng)。中文還有一個(gè)最為考驗(yàn)語(yǔ)音搜索引擎的特點(diǎn)，那就是中文有很多同音字，但因?yàn)楹芏嗨阉鞫际且幌盗形淖纸M織起來(lái)的，通過(guò)對(duì)人們搜索的習(xí)慣的認(rèn)知，搜索引擎能夠認(rèn)識(shí)出這些發(fā)音大約指的是哪些字。

“我們就像人一樣，隨著對(duì)世界認(rèn)知的發(fā)展，隨著對(duì)語(yǔ)境認(rèn)知的發(fā)展就能夠更精準(zhǔn)地了解其他人的意思。”維克說(shuō)，“如果有著幾百萬(wàn)的說(shuō)中文的用戶能夠使用我們中文語(yǔ)音搜索功能的話，我們系統(tǒng)就會(huì)變得更加聰明。”

無(wú)處不在的語(yǔ)音識(shí)別

手機(jī)上的語(yǔ)音搜索只是一個(gè)開(kāi)始。語(yǔ)音搜索功能將延伸為語(yǔ)音輸入，覆蓋到手機(jī)、電腦等各種終端上。“我們的目標(biāo)是使得人們?cè)谒械牡胤剿袝r(shí)候都能使用這個(gè)應(yīng)用，”維克說(shuō)，“但是我們認(rèn)為手機(jī)的應(yīng)用是最急迫的，所以先做了。” 在比爾·蓋茨預(yù)測(cè)的未來(lái)十年最重要的技術(shù)進(jìn)步中，語(yǔ)音識(shí)別技術(shù)位居首位。微軟語(yǔ)音團(tuán)隊(duì)主管Serafin也表示：“語(yǔ)音操作是新的趨勢(shì)，是繼鍵盤和觸摸屏之后的必然進(jìn)化方向。”

其實(shí)，自電腦誕生以來(lái)，讓電腦聽(tīng)懂人們的說(shuō)話，一直是IT從業(yè)者的一大心愿。在單機(jī)時(shí)代，IBM是最早進(jìn)行語(yǔ)音識(shí)別技術(shù)研究的企業(yè)，在上個(gè)世紀(jì)90年代就推出可用于聲控打字和語(yǔ)音導(dǎo)航的語(yǔ)音識(shí)別輸入軟件IBM ViaVoice VIA。用戶只要對(duì)著電腦講話即可輸入漢字，輸入速度能達(dá)到150個(gè)漢字，幾乎是鍵盤輸入的2倍、普通手寫輸入的6倍。盡管售價(jià)不菲，但這套軟件在全球已售出100多萬(wàn)套。漢王科技當(dāng)年正是基于這套軟件，開(kāi)發(fā)出了基于語(yǔ)音和手寫識(shí)別的手持設(shè)備。

微軟則從Windows XP開(kāi)始，在操作系統(tǒng)中添加了語(yǔ)音識(shí)別功能，在新推出的Windows 7里這一功能更為完善。不用鍵盤鼠標(biāo)，用戶可以通過(guò)語(yǔ)音對(duì)計(jì)算機(jī)進(jìn)行簡(jiǎn)單的控制，如說(shuō)一句“打開(kāi)瀏覽器”，就可以輕松地打開(kāi)IE。剛剛上市的Exchange Server 2010中則有更加先進(jìn)的語(yǔ)音郵件預(yù)覽功能，可以自動(dòng)為語(yǔ)音郵件提供文本預(yù)覽。不方便收聽(tīng)語(yǔ)音郵件的情況下用戶可以先通過(guò)語(yǔ)音郵件預(yù)覽來(lái)了解郵件的大致內(nèi)容，也可以通過(guò)閱讀文本預(yù)覽來(lái)決定郵件的優(yōu)先順序。

而基于Web的云計(jì)算則將這種語(yǔ)音識(shí)別技術(shù)帶入更廣泛的應(yīng)用領(lǐng)域。不僅語(yǔ)音搜索成為現(xiàn)實(shí)，前不久谷歌還為YouTube推出一項(xiàng)新的功能，讓用戶利用語(yǔ)音識(shí)別為YouTube視頻添加字幕，這將大大提升YouTube視頻的觀看體驗(yàn)。

古老的鍵盤和鼠標(biāo)會(huì)不會(huì)漸漸從電腦配件的標(biāo)準(zhǔn)列表里消失？或許現(xiàn)在還沒(méi)多少人能接受，但誰(shuí)又能否認(rèn)人們對(duì)語(yǔ)音的想象力呢。