聯動原素：“當前語音交互技術普遍已經達到怎樣的程度呢？”
盧：“大家普遍的技術情況這不太清楚，但目前智能音箱的主要玩家，他在有關語音技術層面上，3到5米這段遠距離識別率普遍都會達到97%以上，我們提的專業術語是稱為遠場識別，它用的這個技術模型和阿爾法狗戰勝李世石的那套模型是一樣的，深層神經網絡，大家都是用同樣的計算模型，看誰餵養的數據多，誰模型修正出來就更好，用戶體驗效果就會更好，用的人就會更多，良性循環。而後還有很多其他能力，比如我說了一段話能代表什麼意思，那就是語義分析，那就是後面大家在做的事情，但前面已經能夠做到蠻精準的了。”
聯動原素：“和現有的交互方式相比，語音交互會在物聯網發展中起到什麼樣的作用呢？”
盧：“手機的交互形式，像按鍵、觸屏這些已經漸漸變成我們的使用負擔，每天都需要查看各種信息、APP，不斷的需要雙手操作，甚至現在人們都離不開手機，因此大家會呼喚全新的交互方式出現，而語音交互是最能夠表現人們主觀意圖，是人類特有的從小學習的交互方式，而這項技術想要商用也是挺難的，像訊飛做這部分十幾年，我們為廣大開發者提供服務，在這過程中有許多特殊的需要定製化的服務，都需要從基礎數據研究開始。”
聯動原素：“在這些定製化的需求中，會有哪幾個經常被提及？能提幾個實際例子嗎？”
盧：“比如說定製喚醒詞，不同品牌和產品都會需要定製一個他們自己的喚醒詞，這是需要一個聲場修正，我們高識別率的聲場修正需要兩個月的時間，聲場修正後喚醒詞的喚醒率就比較高，達到大概95%以上，你叫它就會答應，這就會帶來用戶體驗上的提升。還有就是不同領域的數據收入，拿海底撈為例，我們有四十多個同事修正了一年半才做完了海底撈80%的菜單名詞，這就是為什麼大家不太瞭解訊飛的原因，我們一直都在做基礎數據研究，訊飛能站在這個風口上和大家聊天絕非偶然，我們要做的這些事情也實屬必然，我們經常自嘲努力撞上了機遇。”
聯動原素：“那這些定製化的案列最後會逐漸形成標準化的產品嗎？畢竟只有標準化後價格會降低。”
盧：“我們也試圖在做一個標準化的產品，這就是訊飛為什麼會做一個魔飛麥克風陣列，其實很多人都會問訊飛是支持別人做智能音箱的，為什麼自己開始做產品了，這是因為我們支持了大量的開發者之後，雙方團隊都付出了巨大的努力，但因為某些設定無法將體驗效果最大化，就像產品形態不一定是一個音箱、機器人，也有可能就是一個拾音單元，這個拾音單元可以在一個360度的環境當中，自由的、準確的拾音。我們在做的時候，就是抱著想告訴大家語音識別技術的這類產品應該怎麼做的心態，還有就是我們也想知道在硬件和軟件進行整合部署的時候，過程中到底會有哪些坑。
其實在很早很早之前許多技術就已經不是問題了，真正是需要讓用戶有用的好的產品和服務，硬推技術是不行的，你如果有好的技術，那就運用到實地的場景當中去，不要再說你的技術有多好多，找到剛需的應用場景遠勝於我們去談論技術。”
閱讀更多 聯動原素 的文章
