[汽車之家 互聯(lián)出行]　　在過去一年的智能車聯(lián)測試項目中，總有朋友提問：我們在文章中提到的很多名詞，很難從字面理解是什么意思，有時候會讓人摸不著頭腦。正好借著這個各位居家“沉淀”自己的機會，我們就開啟一個系列，挨個為大家注解那些晦澀難懂的專有名詞，講講它們的含義、背景和意義，也備日后相關(guān)文章引用。這第一期，我們就先聊聊語音控制中的那些常見名詞。

STT和TTS

　　互聯(lián)網(wǎng)常識告訴我們：當兩個字母/數(shù)字中間夾著一個“T”或者“2”時，它大概率指代“to”這個單詞，例如：P2P、B2C、V2X，STT和TTS也是類似。

　　在部分技術(shù)文獻中，這個環(huán)節(jié)也被稱為ASR（Automatic Speech Recognition，自動語音識別），是融合了語言學(xué)、計算機科學(xué)以及電氣工程領(lǐng)域知識和研究的一個復(fù)雜項目。

　　我們在宣傳語中經(jīng)常聽到的“語音引擎”，通常就是指這五個環(huán)節(jié)的集合。在研發(fā)當中，盡管部分供應(yīng)商具備完整的解決方案，但往往一輛車的語音控制系統(tǒng)會在不同環(huán)節(jié)選擇不同的供應(yīng)商，彼此通力合作，才達到最終的效果。

　　除了我們上文中解釋過的詞匯，NLP（Natural Language Processing，自然語言處理）是把用戶的指令轉(zhuǎn)化為結(jié)構(gòu)化的、機器可理解的語言。

　　語音控制是一個復(fù)雜的涉及語言學(xué)、計算機科學(xué)、電器工程等學(xué)科，云端和本地融合的一項復(fù)雜功能，往往需要車企的電器部門和多個供應(yīng)商同時合作，以達到最好的效果。對服務(wù)商而言，想提供最好的產(chǎn)品，需要在語言分析、指令集上常年累月的積累，想做好，真的不容易。

OneShot連續(xù)說和免喚醒

　　在過去一年對車載語音控制的測試中，有兩個“高頻詞匯”——OneShot連續(xù)說和免喚醒。它們也是除“識別率”以外，我們最為看中的語音控制功能。

　　你有想過為什么一定要喚醒詞嗎？因為人在日常交流中很容易觸發(fā)語音控制中的某些功能，喚醒詞就是要規(guī)定一個時間段（喚醒之后到結(jié)束對話），在這個時間段內(nèi)，語音引擎才對你說的話進行處理反饋。在現(xiàn)階段的語音控制技術(shù)下，如果沒有喚醒詞，你將被車載語音控制騷擾到自閉。

　　那為什么不能像日常交流一樣，直接叫名字呢？比如：李響，幫我打開空調(diào)。也是因為兩三個字的名字很容易被誤識別，導(dǎo)致誤觸發(fā)語音控制。所以喚醒詞通常會被設(shè)置成“疊詞”、“打招呼+名字”以及“某某同學(xué)”等，以降低誤觸發(fā)的概率。

　　但這也導(dǎo)致一個問題——人與人的交流模式完全不是這樣��！下面這張圖是基本的車載語音控制交流模式，你看是不是特別熟悉。

　　OneShot是什么意思呢，很簡單，即喚醒詞可以和指令一起說，而不是先說喚醒詞，等待系統(tǒng)回應(yīng)后，再下達指令。有了OneShot連續(xù)說功能后，是這樣的。

　　免喚醒詞又是是什么意思呢，顧名思義，連喚醒詞都免了，不需要呼出語音控制功能，直接下達指令即可，如下：

　　發(fā)現(xiàn)沒有，這是一個越來越接近人與人交流方式的過程，同時也是一個越來越缺乏禮貌的過程，對的，人的交流方式就是沒禮貌的。

　　以上是OneShot和免喚醒的含義和意義。而關(guān)于免喚醒詞，這里還要多說兩句，現(xiàn)階段，免喚醒主要分為兩種模式。

　　或是在音樂播放界面下，你可以直接說“暫停”、“下一首”、“增大音量”，而不需要先喚醒語音控制功能。這是目前應(yīng)用最廣泛的免喚醒方案。

　　在采用科大訊飛語音引擎的部分車型（長安CS95、奇瑞艾瑞澤GX冠軍版等）上使用的就是這套邏輯。

　　這里我們也看到，在大部分功能都可以直接下達指令的情況下，系統(tǒng)還是要限定一個時長，如果不限定時間，誤喚醒問題出現(xiàn)的概率仍然是難以接受的。試想一下，你和副駕駛愉悅地聊著今天天氣真不錯時，突然，系統(tǒng)開始自說自話：“今天北京天氣晴，空氣質(zhì)量……”這樣的情況出現(xiàn)兩次，你可能就會永久關(guān)閉語音控制功能了。

小結(jié)

　　車聯(lián)網(wǎng)名詞注解系列的第一期，我們解釋了語音控制系統(tǒng)的幾個名詞，聊了它們的定義、背景和價值。人與人的溝通，其實絕大部分都是通過“說”和“聽”來實現(xiàn)的，當然，我們還有表情、手勢等等，相比之下，想要讓機器理解表情和手勢的含義就更難了。各大車企、研究機構(gòu)、語音交互方案提供商口中的類人交互，就是讓機器學(xué)會理解語言、看懂手勢甚至體會情感，語音控制作為其中一項，也才處于起步階段呢。什么時候把“處理”真地變成“理解”，我們才進入了下一個更加智能的階段。（圖/文 汽車之家 鄭旭）