機器學習以及自然語言處理技術的進步，開啟了人與人工智慧進行語音交互的可能，人們透過對話的方式獲取信息、與機器進行交互，將不再只是存在科幻情結當中。語音交互是未來的方向，而智能音箱則是語音交互落地的第一代產品。
AI 對話所需要的技術模塊有 4 個部分，分別為：
以叮咚開發文檔中的語音交互流程圖來看Ai 對話技術的主要路徑：
從上圖中可以看到，用戶與設備之間的交互，主要是採用語音方式處理和完成的。
一次完整的語音交互流程，成功的語音對話，通常是有以下幾個階段。
所謂意圖，表示用戶在使用應用時所做的動作(譬如：問一個問題或發送一條指令)，這些意圖代表了應用的核心功能。
如果應用成功地識別了用戶意圖，則需要在完成業務動作後，將結果反饋給用戶；如果應用無法識別用戶意圖，則需要給用戶友好的提示，指導用戶使用。
- 用戶：七星彩的開獎時間是什麼時候？
- Ai：體育彩票七星彩每周二、周四和周日開獎。
對語音識別結果進行分析理解，簡單來說就是將用戶語音輸入映射到機器指令。它可能定義了一組包含指定的單詞或短語的語法結構，用戶通過說出滿足這種結構的語句，來調用意圖。
用戶：我要{聽} {周杰倫}的{稻香}
Ai：稻香.mp3
調用意圖的結構化請求，向伺服器請求處理後做出反饋響應。 通俗來講該流程主要處理用戶的請求，解決用戶問題的答案。
在用戶進行自然對話時，可能會因為表達事情的復
雜
度、時間、地點、效率等，產生具有脈絡的對話過程，所有的對話元素會編織在一個連貫的線性對話中。
用戶：明天北京天氣如何？
Ai：明天北京天氣晴，溫度16到23度
用戶：後天呢？{後天北京天氣如何？}
Ai：後天北京天氣晴，溫度17到28度
根據解析模塊得到的內部表示，在對話管理機制的作用下生成自然語言句子。 同時將生成模塊生成的句子轉換成語音輸出。（把回答的機器語言再轉換成 口語語言）
詞法分析包括詞形和詞彙兩個方面。一般來講，詞形主要表現在對單詞的前綴、後綴等的分析，而詞彙則表現在對整個詞彙系統的控制。在中文全文檢索系統中，詞法分析主要表現在對漢語信息進行詞語切分，即漢語自動分詞技術。通過這種技術能夠比較準確的分析用戶輸入信息的特徵，從而完成準確的搜索過程。它是中文全文檢索技術的重要發展方向。
句法分析是對用戶輸入的自然語言進行詞彙短語的分析，目的是識別句子的句法結構，實現自動句法分析過程。其基本方法有線圖分析法、短語結構分析、完全句法分析、局部句法分析、依存句法分析等。
語義分析是基於自然語言語義信息的一種分析方法，其不僅僅是詞法分析和句法分析這樣語法水平上的分析，而是涉及到了單詞、詞組、句子、段落所包含的意義。其目的是從句子的語義結構表示言語的結構。中文語義分析方法是基於語義網絡的一種分析方法。語義網絡則是一種結構化的，靈活、明確、簡潔的表達方式。
語用分析相對於語義分析又增加了對上下文、語言背景、環境等的分析，從文章的結構中提取到意象、人際關係等的附加信息，是一種更高級的語言學分析。它將語句中的內容與現實生活的細節相關聯，從而形成動態的表意結構。
語境分析主要是指對原查詢語篇以外的大量「空隙」進行分析從而更為正確地解釋所要查詢語言的技術。這些「空隙」包括一般的知識，特定領域的知識以及查詢用戶的需要等。它將自然語言與客觀的物理世界和主觀的心理世界聯繫起來，補充完善了詞法、語義、語用分析的不足。
人機對話過程中，用戶難免會出現表達失誤的情況，導致機器對用戶語言理解出現偏差，在這時，糾錯機制對機器而言則非常重要，如缺少這個機制，用戶需要花費相當長的時間將其意圖解釋清楚，相應的用戶體驗也會十分糟糕。另一方面，雖然可以很好的識別語音，但是卻不能理解你的對話目的，語義理解上有偏差。
當前，包括Alexa在內的國內外智能音箱之所以沒有表現的那麼智能，出現了「人工智障」的嘲笑也是因為在以上兩方面沒有處理太好。
因此語音交互最終需要解決的關鍵問題是歧義消解問題，和未知語言現象的處理問題。
Amazon Echo 的勝利在於其語音助手 Alexa 掌握的無數技能，Google Assistant 以及Google Home之所以被人看好是在於其 Android 後發優勢所具備的開放性。
智能語音助手類的產品要想在中國落地開花，它不僅僅是簡單的語音識別那麼簡單，還有集成服務，一整套的中文生態、內容、服務等配套設施，是一種涵蓋很多基礎能力的生態系統。
未來基於語音交互的語義技能，必須要能夠達到幾萬、幾十萬甚至上百萬種的時候，才能促使語音交互時代作業系統真正走向成熟，未來語音交互產品的形態和樣式也將越來越豐富。
讓我們期待未來Ai語音交互的蓬勃發展，期待未來對技術的無限挑戰！
本文由 @ Baolan 原創發布於人人都是產品經理。未經許可，禁止轉載。
題圖來自PEXELS，基於CC0協議