AI 語(yǔ)音助手的「蠢」，好像全世界都知道。

【資料圖】

不管是 Siri 還是小愛(ài)同學(xué)，大部分使用過(guò)所謂「AI 語(yǔ)音助手」的用戶大概都同意，它們肯定不算聰明。尤其是在 ChatGPT 出來(lái)之后，這種對(duì)比尤為明顯，甚至包括微軟的最高話事人也在批評(píng)自家的語(yǔ)音助手。

微軟 CEO 薩蒂亞·納德拉最近在接受英國(guó)《金融時(shí)報(bào)》采訪時(shí)表示，蘋(píng)果的 Siri、亞馬遜的 Alexa，微軟自家的 Cortana（中文名：小娜）以及公認(rèn)拔尖的 Google Assistant，這些語(yǔ)音助手有一個(gè)算一個(gè)：

都笨得跟石頭一樣。

納德拉和 Cortana，圖/微軟

2014 年 4 月，納德拉剛剛上任微軟 CEO 兩個(gè)月后的微軟 Build 開(kāi)發(fā)者大會(huì)上，微軟全球副總裁喬北峰正式推出了 Cortana。在最初的幾年，Cortana 表現(xiàn)了不俗的智能，也受到包括納德拉在內(nèi)微軟高層的集體認(rèn)可，納德拉在 2016 年還稱贊 Cortana 的智能，并說(shuō)「機(jī)器人是新應(yīng)用」。但 Cortana 的智能（橫向比較）和市場(chǎng)份額越來(lái)越糟糕，到 2021 年微軟就正式宣布停止支持 iOS 和 Android 上的 Cortana 應(yīng)用，僅保留對(duì) Windows 平臺(tái)的支持。

更重要的是，OpenAI 帶著 ChatGPT 來(lái)了，微軟直接拿到了 AI 時(shí)代目前為止最好的一張船票。與此同時(shí)，語(yǔ)音助手在過(guò)去幾年基本陷入了停滯，Siri 的聯(lián)合創(chuàng)始人 Adam Cheyer 也承認(rèn)，ChatGPT 理解復(fù)雜信息的能力讓現(xiàn)有的語(yǔ)音助手看起來(lái)很蠢。

但換句話說(shuō)，如果能在語(yǔ)音助手上實(shí)現(xiàn)類似 ChatGPT 理解復(fù)雜信息的能力，Siri 和小愛(ài)同學(xué)是不是就能重獲新生？

至少很多人已經(jīng)開(kāi)始嘗試了。

個(gè)人開(kāi)發(fā)者的嘗試

ChatGPT 出現(xiàn)后不久，互聯(lián)網(wǎng)上其實(shí)就有了一大堆的新想法，聲量最大的一個(gè)是改變「搜索」，如今已經(jīng)成為了搜索引擎巨頭的共識(shí)，微軟必應(yīng)已經(jīng)在測(cè)試，谷歌和百度也提前進(jìn)行了預(yù)告。而另一方面，也有不少人在驚嘆于 ChatGPT 的自然語(yǔ)言溝通能力之余，期望會(huì)推出語(yǔ)音助手版本的 ChatGPT，替代掉目前不堪一「談」的語(yǔ)音助手。

在今年又一輪爆發(fā)之后，盡管我們還是沒(méi)看到 OpenAI 或者微軟推出對(duì)應(yīng)的語(yǔ)音助手版，但已經(jīng)有開(kāi)發(fā)者進(jìn)行了大量的嘗試。

xiaogpt，圖/GitHub

在全球最大的代碼托管平臺(tái) Github 上，就有開(kāi)發(fā)者嘗試將 ChatGPT 接入小愛(ài)同學(xué)，Star 數(shù)已經(jīng)達(dá)到了 1.3k。據(jù)項(xiàng)目介紹，只要有 ChatGPT 的賬號(hào)、小愛(ài)音箱、正常連接 ChatGPT 的網(wǎng)絡(luò)以及 python 3.8+，人人都可以在小愛(ài)音箱上使用「ChatGPT 版小愛(ài)同學(xué)」。

原理上很簡(jiǎn)單，喚起小愛(ài)同學(xué)后，以「幫我」開(kāi)頭詢問(wèn)的問(wèn)題會(huì)自動(dòng)以文本形式發(fā)送一份給 ChatGPT，同時(shí)會(huì)屏蔽小愛(ài)同學(xué)原本的回答，替換成「正在問(wèn) GPT，請(qǐng)耐心等待」，而 ChatGPT 生成的文本則會(huì)被小愛(ài)同學(xué)通過(guò) TTS（語(yǔ)音合成技術(shù)）進(jìn)行語(yǔ)音回答。

從開(kāi)發(fā)者的演示顯示，整個(gè)過(guò)程足夠流暢，實(shí)際回答也遠(yuǎn)超小愛(ài)同學(xué)原本的「智力」。（具備條件可搜索 GitHub 項(xiàng)目「xiaogpt」）

演示，圖/YouTube

不僅是小愛(ài)同學(xué)，另一位更為大眾調(diào)侃的「智障」語(yǔ)音助手——Siri，實(shí)際上更早就被開(kāi)發(fā)者嘗試接入 ChatGPT。

圍繞 Siri 其實(shí)有不少嘗試，其中國(guó)內(nèi)開(kāi)發(fā)者@Yue-Yang 最近就以「快捷指令」形式連接了 Siri 和 ChatGPT，讓 Siri 變成真正的 AI 聊天機(jī)器人。在 GitHub 或者「小眾軟件」上你都能找到對(duì)應(yīng)的快捷指令——智能聊天，不過(guò)使用條件是需要申請(qǐng) OpenAI 的付費(fèi) API。

「ChatGPT Siri」在原理上與「xiaogpt」類似，利用 OpenAI 的 API（應(yīng)用程序接口）和 iOS 的特性，先將語(yǔ)音指令轉(zhuǎn)換為文本再傳遞給 ChatGPT，收到回答后再讓 Siri「讀」出來(lái)。在 B 站上，通過(guò)搜索「ChatGPT Siri」可以查看對(duì)應(yīng)的演示。

ChatGPT Siri，圖/GitHub

當(dāng)然，以上兩個(gè)項(xiàng)目都是個(gè)人開(kāi)發(fā)者的嘗試，也包括其他類似的項(xiàng)目，不管是使用體驗(yàn)還是上手門檻，都并不適合普通用戶?？紤]到語(yǔ)音助手的技術(shù)、產(chǎn)品和生態(tài)，大公司的入場(chǎng)很可能降低門檻、提高整體的使用體驗(yàn)。

問(wèn)題在于意愿和能力，很多公司其實(shí)也看到了站在 ChatGPT 的「肩膀」上重新打造語(yǔ)音助手的可能性，但在全球范圍內(nèi)，真正同時(shí)手握 AI 能力和語(yǔ)音助手背后生態(tài)的公司總共也就那幾家。

巨頭的入場(chǎng)，不遠(yuǎn)了

與搜索一樣，ChatGPT 不可能直接取代現(xiàn)有的語(yǔ)音助手。一方面語(yǔ)音交互的優(yōu)勢(shì)在于直接、易上手，很多任務(wù)通過(guò)觸控、文字輸入等方式不僅繁瑣、更耗時(shí)間，同時(shí)對(duì)于老人、小孩等用戶也偏于復(fù)雜，自然的語(yǔ)音交互則能比較輕松地實(shí)現(xiàn)。另一方面，ChatGPT 并不能對(duì)現(xiàn)實(shí)層面進(jìn)行直接干預(yù)，比如我們用 Siri 或者小愛(ài)同學(xué)操控空調(diào)、掃地機(jī)器人等。

ChatGPT，或者說(shuō)生成式 AI 更大的價(jià)值在于通過(guò)強(qiáng)大的自然語(yǔ)言理解和溝通能力，來(lái)改善語(yǔ)音助手的使用體驗(yàn)。

小愛(ài)同學(xué) 5.0 發(fā)布現(xiàn)場(chǎng)，圖/小米

過(guò)去我們總抱怨 AI 太笨，要么答非所問(wèn)，要么干脆就是「我沒(méi)有明白」，基本幾輪對(duì)話就會(huì)感到心累，轉(zhuǎn)向?qū)δ苄缘男枨螅热缣鞖?、?wèn)題查詢、智能家居操作等。相反，ChatGPT 的對(duì)話能力則基本不用擔(dān)心，盡管可能會(huì)有錯(cuò)誤信息，但至少不會(huì)像 Siri 和小愛(ài)同學(xué)那樣溝通成本太高。這也是多年的發(fā)展停滯之后，語(yǔ)音助手的關(guān)鍵機(jī)會(huì)所在。

2 月底，微軟在推出支持 AI 對(duì)話的新必應(yīng)之后，又支持了 Android 和 iOS 版本，并且在 AI 對(duì)話中第一次增加了語(yǔ)音對(duì)話功能，用戶如果使用語(yǔ)音開(kāi)啟對(duì)話，新必應(yīng)也會(huì)使用語(yǔ)音回應(yīng)。不過(guò)就現(xiàn)在而言，新必應(yīng)的語(yǔ)音對(duì)話功能還僅限于對(duì)話，并不能用來(lái)進(jìn)行一系列操作，比如在手機(jī)上喚起某個(gè)系統(tǒng)或應(yīng)用的功能，也不支持設(shè)置為默認(rèn)的語(yǔ)音助手。

語(yǔ)音功能加入，圖/微軟

此外，微軟自家的 Windows 平臺(tái)也還未支持，目前為止尚未流出 Cortana 或其他新語(yǔ)音助手加入類 ChatGPT 能力的消息。

而更早些時(shí)候，小度官方在 2 月初宣布，AI 語(yǔ)音助手小度將在未來(lái)融合百度文心一言的全面能力，同時(shí)在此基礎(chǔ)上還將打造針對(duì)智能設(shè)備場(chǎng)景的人工智能模型「小度靈機(jī)」并應(yīng)用到小度全系產(chǎn)品。而據(jù)小度官方數(shù)據(jù)，搭載小度的智能設(shè)備已經(jīng)進(jìn)入了 4000 萬(wàn)戶家庭。

當(dāng)然，按照百度此前的規(guī)劃，文心一言要在本月才上線測(cè)試，距離小度全面接入文心一言的顯然還需要一段時(shí)間。

另一方面，谷歌也早早看到了這一點(diǎn)。2021 年的 I/O 大會(huì)上，谷歌就首次宣布將 LaMDA 大語(yǔ)言模型的對(duì)話能力整合入 Goolgle Assistant、搜索和 Workspace。今年 2 月，谷歌推出了類 ChatGPT 的聊天機(jī)器人 Bard 之后，接入 Google Assistant 似乎也是題中應(yīng)有之義，包括 9TO5Google、《連線》雜志也認(rèn)為谷歌應(yīng)該這么做。

就像人人都知道語(yǔ)音助手的「蠢」，所有人也看到了 ChatGPT 讓語(yǔ)音助手們至少在理解人類語(yǔ)言和對(duì)話上「變聰明」的很大可能。

「賈維斯，有時(shí)在你學(xué)會(huì)走之前得先跑起來(lái)」，圖/《鋼鐵俠》

過(guò)去我們都暢想過(guò)，有一個(gè)數(shù)字語(yǔ)音助手可以在日常生活中幫我們解決各種需求，就像《鋼鐵俠》里的賈維斯，現(xiàn)實(shí)是 Siri 和小愛(ài)同學(xué)們距離聽(tīng)懂人類的話還差很遠(yuǎn)，充斥著各種「不明白」「聽(tīng)不懂」。

的確，現(xiàn)實(shí)世界的技術(shù)還趕不上科幻世界的想象很正常，但 ChatGPT 背后強(qiáng)大的對(duì)話語(yǔ)言能力，無(wú)疑可以讓語(yǔ)音助手們能夠更流暢地與我們對(duì)話，讓我們更感覺(jué)在對(duì)話的是一個(gè)「智商在線」的 AI 助手，而非對(duì)牛彈琴。而對(duì)于智能音箱和智能家居廠商，這也意味著更高的用戶粘性和使用率。

更或許，當(dāng) AI 越來(lái)越聰明并理解人類，智能家居乃至物聯(lián)網(wǎng)的未來(lái)也會(huì)隨之發(fā)生巨變。

題圖來(lái)自 Unsplash

本內(nèi)容為作者獨(dú)立觀點(diǎn)，未經(jīng)允許不得轉(zhuǎn)載，合作事宜請(qǐng)聯(lián)系linxiuliu@leikeji.com

關(guān)鍵詞：