性感美女黄色三级大片视频,美女视频日本

Siri背后的技術

2011/10/25

　　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，非碼農都流行起調戲siri，各種調戲視頻，音頻大量出現(xiàn)。不過，常言道“外行看熱鬧，內行看門道”，作為一個“偽內行”，或者“欲做內行而不得”的人，根據自己的知識，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，列出siri所可能用到的技術。

　　Siri是IOS上的個人助理應用：此軟件使用到自然語言處理技術，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、設定手機日歷、設定鬧鈴等服務。

　　Siri所用到的技術，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，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”（注意，不是計算機技術）呢。因此，在本文，我將介紹下我了解Siri可能采用的技術。

　　首先，在前端方面，即面向用戶，和用戶交互（User Interface，UI）的技術，主要是語音識別以及語音合成技術。語音識別技術是把用戶的口語轉化成文字，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。而語音合成則是把返回的文字結果轉化成語音輸出，這個技術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，當然，在云端完成也并無不可，在當前無線帶寬下，那點語音流量根本不算什么。

　　其次，后臺技術，這些其實才是真正的大角色（當然，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）。這些技術的目的就是處理用戶的請求，并返回最匹配的結果，這些請求類型很多，千奇百怪，要處理好并不簡單�；镜慕Y構猜測可能是分析用戶的輸入（已經通過語音轉化），根據輸入類型，分別采用合適的技術（合適的技術后面）進行處理。這些合適的后臺技術包括，①以Google為代表的網頁搜索技術；②以Wolfram Alpha為代表的知識搜索技術（或者知識計算技術）；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（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。

　　下面，對上面提到的各種技術進行簡要介紹（如有空，后面的博文可能會對某些技術詳細的介紹，大家耳熟能詳?shù)木兔饬耍�，強調下，介紹的有些參考來源是維基百科相關詞條，下面不一一列出：

　　語音識別以及語音合成技術語音識別技術，也被稱為自動語音識別（英語：Automatic Speech Recognition, ASR），其目標是將人類的語音中的詞匯內容轉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不同，后者嘗試識別或確認發(fā)出語音的說話人而非其中所包含的詞匯內容。語音識別技術所涉及的領域包括：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)。文字轉語音(text-to-speech, TTS)系統(tǒng)則是將一般語言的文字轉換為語音，其他的系統(tǒng)可以描繪語言符號的表示方式，就像音標轉換至語音一樣。

　　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，這方面做的很好的公司也有，比如鄙人本科所在學校的科大訊飛，就是中文語音合成以及識別的領軍企業(yè),在英文語音合成領域其實也很牛，拿過很多獎。國外的話，比較早的應該是IBM ViaVoice。

　　網頁搜索技術這個我想沒必要介紹，大家天天用的Google就是這個技術的代表。而國內的話，則以百度為代表。

　　知識計算（搜索）技術（Computational Knowledge）這個技術的代表是Wolfram|Alpha。

　　不同于搜索互聯(lián)網信息，Wolfram|Alpha將從公眾的(包括公開的網頁等)和獲得授權的資源中，發(fā)掘、建立起一個異常龐大的經過組織的數(shù)據庫，再利用高級的自然語言算法進行處理，最終構造出一個類似于谷歌搜索的工具。

　　和網頁搜索技術不同的是，在這個系統(tǒng)中，得到的答案結構化程度很高，比如搜索China，能得到和中國相關的各種參數(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。想測試這項技術的請移步Wolfram|Alpha。

　　這個技術國內做的應該有，但還沒有產品，也許百度的框計算算是半個。所以機會大大的有。

　　知識庫技術這名字是我自己起的，不知道有沒有貽笑大方。。。這個技術的代表是維基百科，以及各種專門的百科網站。相比于網頁搜索技術，基本以一個詞條或者主題為單位，因此得到的數(shù)據價值高，知識量大，并且結構化程度好。相比于知識計算技術，這些技術需要人的參與，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，是可以產生“無限”的知識的。

　　另外，寫到這里，我想起Yahoo和Google的故事，當年，Yahoo是搜索老大，就像現(xiàn)在的Wekipedia在知識搜索領域一樣，而Google是小弟，就像Wolfram|Alpha在知識搜索領域一樣。但后來，卻反過來了，Googe成了網頁搜索老大，Yahoo成了小弟，原因就是Google相信算法的結果，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。

　　問答推薦技術其實這不能稱為一個技術，應該屬于知識庫的技術。不同的是，這個技術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，就不仔細介紹了。

　　其實在國內，這方面的網站也有，那就是大眾點評網這些。

　　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，其本質是將各種已經比較成熟的技術融合成一個產品，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。

Sigma