今年10月，Apple發(fā)布了iphone 4S with IOS 5,其中最大的亮點就是一個語音搜索軟件-Siri。一時間，各種geek，偽geek，碼農(nóng)，非碼農(nóng)都流行起調(diào)戲siri，各種調(diào)戲視頻，音頻大量出現(xiàn)。不過，常言道“外行看熱鬧，內(nèi)行看門道”，作為一個“偽內(nèi)行”，或者“欲做內(nèi)行而不得”的人，根據(jù)自己的知識，以及一些搜索工具，嘗試了解了一下Siri的“門道”，在這里做個總結(jié)，列出siri所可能用到的技術(shù)。 Siri是IOS上的個人助理應(yīng)用：此軟件使用到自然語言處理技術(shù)，使用者可以使用自然的對話與手機進行互動，完成搜尋資料、查詢天氣、設(shè)定手機日歷、設(shè)定鬧鈴等服務(wù)。（來自維基百科） Siri所用到的技術(shù)，很多人會回答，人工智能以及云計算，的確，總體來說，是這兩樣技術(shù)，不過，這種概述感覺幾乎沒有任何意義，和不直接說“計算技術(shù)”（注意，不是計算機技術(shù)）呢。因此，在本文，我將介紹下我了解Siri可能采用的技術(shù)。 首先，在前端方面，即面向用戶，和用戶交互（User Interface，UI）的技術(shù)，主要是語音識別以及語音合成技術(shù)。語音識別技術(shù)是把用戶的口語轉(zhuǎn)化成文字，其中需要強大的語音知識庫，因此需要用到所謂的“云計算”技術(shù)。而語音合成則是把返回的文字結(jié)果轉(zhuǎn)化成語音輸出，這個技術(shù)理論上本地就能完成（以前用過科大訊飛的在windows mobile上的本地語音閱讀軟件，軟件很小，但能讀的很好，還支持方言），但不知道Siri是否如此，當(dāng)然，在云端完成也并無不可，在當(dāng)前無線帶寬下，那點語音流量根本不算什么。 其次，后臺技術(shù)，這些其實才是真正的大角色（當(dāng)然，普通用戶是不會在意的，他們只會覺得前端很炫，哎，這就是做后端的悲哀，小小感嘆一下）。這些技術(shù)的目的就是處理用戶的請求，并返回最匹配的結(jié)果，這些請求類型很多，千奇百怪，要處理好并不簡單。基本的結(jié)構(gòu)猜測可能是分析用戶的輸入（已經(jīng)通過語音轉(zhuǎn)化），根據(jù)輸入類型，分別采用合適的技術(shù)（合適的技術(shù)后面）進行處理。這些合適的后臺技術(shù)包括，①以Google為代表的網(wǎng)頁搜索技術(shù)；②以Wolfram Alpha為代表的知識搜索技術(shù)（或者知識計算技術(shù)）；③以Wikipedia為代表的知識庫（和Wolfram Alpha不同的是，這些知識來自人類的手工編輯）技術(shù)（包括其他百科，如電影百科等）；④以Yelp為代表的問答以及推薦技術(shù)。 下面，對上面提到的各種技術(shù)進行簡要介紹（如有空，后面的博文可能會對某些技術(shù)詳細(xì)的介紹，大家耳熟能詳?shù)木兔饬耍瑥娬{(diào)下，介紹的有些參考來源是維基百科相關(guān)詞條，下面不一一列出： 語音識別以及語音合成技術(shù)語音識別技術(shù)，也被稱為自動語音識別（英語：Automatic Speech Recognition, ASR），其目標(biāo)是將人類的語音中的詞匯內(nèi)容轉(zhuǎn)換為計算機可讀的輸入，例如按鍵、二進制編碼或者字符序列。與說話人識別及說話人確認(rèn)不同，后者嘗試識別或確認(rèn)發(fā)出語音的說話人而非其中所包含的詞匯內(nèi)容。語音識別技術(shù)所涉及的領(lǐng)域包括：信號處理、模式識別、概率論和信息論、發(fā)聲機理和聽覺機理、人工智能等等。 語音合成是將人類語音用人工的方式所產(chǎn)生。若是將電腦系統(tǒng)用在語音合成上，則稱為語音合成器，而語音合成器可以用軟/硬件所實現(xiàn)。文字轉(zhuǎn)語音(text-to-speech, TTS)系統(tǒng)則是將一般語言的文字轉(zhuǎn)換為語音，其他的系統(tǒng)可以描繪語言符號的表示方式，就像音標(biāo)轉(zhuǎn)換至語音一樣。 相比于語音識別，語音合成感覺難度要低，并且基本能夠在本地完成（很多OS都有內(nèi)置的語音合成引擎）。而語音識別，由于涉及到語義理解，難度大大加大，需要大量的知識庫，一般需要在云端完成。 另外，在國內(nèi)，這方面做的很好的公司也有，比如鄙人本科所在學(xué)校的科大訊飛，就是中文語音合成以及識別的領(lǐng)軍企業(yè),在英文語音合成領(lǐng)域其實也很牛，拿過很多獎。國外的話，比較早的應(yīng)該是IBM ViaVoice。 網(wǎng)頁搜索技術(shù)這個我想沒必要介紹，大家天天用的Google就是這個技術(shù)的代表。而國內(nèi)的話，則以百度為代表。 知識計算（搜索）技術(shù)（Computational Knowledge）這個技術(shù)的代表是Wolfram|Alpha。 不同于搜索互聯(lián)網(wǎng)信息，Wolfram|Alpha將從公眾的(包括公開的網(wǎng)頁等)和獲得授權(quán)的資源中，發(fā)掘、建立起一個異常龐大的經(jīng)過組織的數(shù)據(jù)庫，再利用高級的自然語言算法進行處理，最終構(gòu)造出一個類似于谷歌搜索的工具。 和網(wǎng)頁搜索技術(shù)不同的是，在這個系統(tǒng)中，得到的答案結(jié)構(gòu)化程度很高，比如搜索China，能得到和中國相關(guān)的各種參數(shù)以及資料，并以接近表格的方式呈現(xiàn)。Wolfram|Alpha也能理解部分自然語言，比如輸出How old are you，其會回答Wolfram|Alpha的年齡。想測試這項技術(shù)的請移步Wolfram|Alpha。 這個技術(shù)國內(nèi)做的應(yīng)該有，但還沒有產(chǎn)品，也許百度的框計算算是半個。所以機會大大的有。 知識庫技術(shù)這名字是我自己起的，不知道有沒有貽笑大方。。。這個技術(shù)的代表是維基百科，以及各種專門的百科網(wǎng)站。相比于網(wǎng)頁搜索技術(shù)，基本以一個詞條或者主題為單位，因此得到的數(shù)據(jù)價值高，知識量大，并且結(jié)構(gòu)化程度好。相比于知識計算技術(shù)，這些技術(shù)需要人的參與，這有利也有弊，利就是，畢竟暫時人比機器聰明，編輯出來的知識更豐富，準(zhǔn)確；弊就是，人力有限，即使像維基那樣，發(fā)動社區(qū)的力量，也不能產(chǎn)生足夠的知識，而知識計算，理論上，只需要算法夠牛叉，是可以產(chǎn)生“無限”的知識的。 另外，寫到這里，我想起Yahoo和Google的故事，當(dāng)年，Yahoo是搜索老大，就像現(xiàn)在的Wekipedia在知識搜索領(lǐng)域一樣，而Google是小弟，就像Wolfram|Alpha在知識搜索領(lǐng)域一樣。但后來，卻反過來了，Googe成了網(wǎng)頁搜索老大，Yahoo成了小弟，原因就是Google相信算法的結(jié)果，把所有事都交給算法做，而Yahoo，很多索引都是人工編輯的。我想，也許有一天，Wekipedia和Wolfram|Alpha也會出現(xiàn)這樣的情況。 問答推薦技術(shù)其實這不能稱為一個技術(shù)，應(yīng)該屬于知識庫的技術(shù)。不同的是，這個技術(shù)針對的是一些生活信息，這些信息的地域化程度很高，典型代表為Yelp。由于這東西比較簡單，就不仔細(xì)介紹了。 其實在國內(nèi)，這方面的網(wǎng)站也有，那就是大眾點評網(wǎng)這些。 讀完此文，你也許會發(fā)現(xiàn)，其實Siri并沒有什么革命性的技術(shù)，其本質(zhì)是將各種已經(jīng)比較成熟的技術(shù)融合成一個產(chǎn)品，最終呈現(xiàn)給用戶，因此，完全沒必要對Siri神圣化。 另外，Siri其實是蘋果買來的，在蘋果買來之前，Siri本來是會推出Android版本的，可是，被蘋果購買后，Android版本的Siri遙遙無期了（不過，這為廣大的Android開發(fā)者以及公司提供了機會）。而Siri之前默默無聞，但是一從蘋果推出，卻聲名鵲起，不得不佩服Apple以及Jobs的眼光以及執(zhí)行力。
推薦閱讀
iOS 5的Safari 5.1速度提升明顯 是時候更新了
[db:內(nèi)容簡介]>>>詳細(xì)閱讀
本文標(biāo)題：Siri背后的技術(shù)
地址：http://www.oumuer.cn/a/apple/2013-07-05/275375.html
1/2 1
2 下一頁
網(wǎng)友點評
精彩導(dǎo)讀
科技快報
品牌展示