智能手机的超性能语音识别技术

比较新的一代语音功能是更开放的。不用编程执行某些功能的具体的语音指令，应用程序可识别语音并且执行适当的行动。更高端的、更强大的设备使这些应用更可行。换句话说，不仅仅是能够使用这个短语"呼叫888-555-1212"拨打一个电话号码，用户还可以说"呼叫妈妈"或者"给我妈妈打电话"。

谷歌语音搜索拥有比以前的语音识别技术更少的限制，因为所有的繁重任务都是由网络服务器完成的。这使谷歌语音搜索等语音驱动的应用程序更可行。例如，如果你说"创战纪电影时间"，你会看到一个网页列出地区编号或者位置。这个应用程序不仅能够识别出这个短语的意思，而且还能提供你的手机(你当前的位置)和网站(上映时间)的信息。

这个应用程序还非常熟悉英语，不用进行训练就能自动分辨出一些词汇的差别。如果我说"摩特里裤(Motley Crue)乐队"，这个应用程序甚至能在搜索词汇方便使用这个乐队的独特的拼写，尽管它会漏掉变音符号。搜索"Motley's Crew"，你会得到一个喜剧片。

这就是说谷歌语音识别的限制明显地表明将使你进一步脱离主流的英语。外国人的名字是没有帮助的。语音识别应用程序的另一个问题是环境的噪音。移动用户受环境噪音的影响通常比台式电脑用户多。Nuance公司的Revis称，在充满噪音的户外环境中，语音识别的准确性是一个问题。

自从2005年三星的那款手机推出以来，听写功能已经取得了长足的进步。由Dragon NaturallySpeaking驱动的iPhone的Dragon听写功能允许用户听写从备忘录、电子邮件到Twitter更新等一切内容。用于电子邮件的Dragon软件为黑莓设备提供了类似的功能。

对于Android手机来说，Nuance提供了FlexT9软件。这个软件把Dragon听写功能与三种类型的触摸屏输入方式结合在了一起。还有一个Handcent短信应用程序。这个应用程序集成了Android本地语音识别技术以帮助你用语音发短信。

文本之间的翻译目前已经推出多年(如通过知名的Babel Fish网站进行翻译)。同声翻译功能现在还没有，不过，这种软件很快会推出。例如，用于iPhone的Jibbigo软件可翻译单词、短语和合理的简单句子，让双方交替地讲话。

未来的方向

询问参加开发语音技术的每一个人下一个巨大的步骤是什么。他们一般会给你一个答案：自然语言处理。

Revis把它解释为理解你的意思的系统，它不仅仅知道你说什么。在会话式的互动模式中，用户说自己要说的话，没有限制用户如何说这个话。他提供了指令或者要求得到信息的例子，如"我在什么地方能够买到100美元以下的尼康照相机?"或者"给杰尼发个短信说我晚到20分钟"或者"今天晚上在Morton's订三个人的地方"。

谷歌的Mane称，在口语对话中提供自然的语言处理是一个双重挑战。首先，你必须识别这些单词，然后，你必须理解这个意思。第一部分变得更加容易了。但是，第二部分仍然很难解决：意思是根据上下文确定的和难以应付的，人类做的语法分析也不是总是成功的。

微软的Rele认为，手机提供的额外的服务(如罗盘或者GPS)能够增强自然语言处理的有用性。他说，你可以为两个人安排吃饭和看电影，方法是利用不同来源的数据把这个任务分开，如使用日历、饭店排名、电影评论和位置等数据。

此外，手机的服务能够用于提供讲话的环境。Rele表示，用户的语音输入以及从其它有关用户及用户环境的传感器和状态获得的智能信息可以提供更丰富的和更相关的结果。例如，如果你刚刚使用Foursquare网站查看有关饭店，一些含糊的语音指令就会倾向于外出吃饭、订膳宿和要一辆出租车等事情。

多平台应用程序Vlingo自称是"虚拟助手"，已经能够提供这些方面的功能。这个软件插入到OpenTable和Fandango等服务中以完成许多任务：订饭店、订电影票等等。

Nguyen认为未来语音识别技术改善的另一个领域是游戏。他说，在游戏中可以使用语音以增加玩游戏的不同氛围。例如，你可以把Kirk-style船长的命令传递给恒星飞船或者在在一个神秘的事情中审讯疑犯。

是你吗?

已经应用的另一个功能是自动地把语音识别适用于单个用户。这是台式电脑语音识别技术所要求的免提版语音训练。

例如，最新版本的谷歌语音搜索有一个选择性加入功能，允许随着时间的推移建立一个用户的客户化语音特征。Mane解释说，当用户选择使用客户化语音识别的时候，我们在用户和用户的语调方面画一个界限，这使我们能够建立一个初步的、个性化的语音识别模式。

然而，个性化识别并不是一个能够解决一切问题的技术，它只是实现语音识别更加无缝化的一个过渡步骤。Mane称，我们没有把个性化识别看作一个唯一的解决方案，因为还会有更多的一系列的