通用汽車旗下的安吉星從 1995 年開始在北美向用戶提供語音導(dǎo)航、救援、車輛安全防護、娛樂等信息服務(wù)，并且第一個進入中國市場；福特從 2010 年開始與微軟合作推出車載信息系統(tǒng) Ford Sync，這一系統(tǒng)可以識別 19 國語言，包括一些方言，能夠理解一萬條語音指令；近幾年，豐田的 G－book、福特 My Ford 和日產(chǎn)的 CarWings 也開始隨潮流涌現(xiàn)。

　　這意味著，當(dāng)我們駕駛時，不必分心在中控屏幕上選擇目的地，也不必伸手去接聽電話。甚至有一天，我們可以暢想：吩咐汽車去做任何事情。

　　下面回到現(xiàn)實。

　　汽車廠商每年在中控屏幕幾十億人民幣的投入，本意是想提升汽車的科技感和用戶操作的便捷性。但令他們失望的是，大部分車主并不為此而買單，依然習(xí)慣在車內(nèi)用手機導(dǎo)航或者查詢信息。

　　造成這一現(xiàn)象的原因可以簡單理解為：以往一些初級的語音控制類的應(yīng)用，比如導(dǎo)航、語音撥號等等，用戶要啟動這些服務(wù)必須按照產(chǎn)品手冊的說明，完整地說出固定格式的句子，才能被機器識別。在這些應(yīng)用中，數(shù)據(jù)庫是簡單而又原始的，在識別過程中也沒有太多算法可言，它們只是負責(zé)「搬運」。

　　不注重用戶體驗，使得語音交互成為汽車場景下相當(dāng)雞肋的產(chǎn)品。

　　2014 年以前，科大訊飛主要的關(guān)注點還不在汽車上。當(dāng)時團隊認為語音在汽車上的應(yīng)用只是一個點綴。那時訊飛的角色是一個小模塊供應(yīng)商，將語音技術(shù)授權(quán)授權(quán)給第三方廠商。

　　2014 年后，科大訊飛團隊慢慢意識到語音有可能成為汽車上的剛性應(yīng)用和入口，他們開始和汽車廠商接觸與合作。為此還專門成立了一個百人規(guī)模的團隊專門負責(zé)車載語音研發(fā)與服務(wù)的工作。

　　上周末，包括雷鋒網(wǎng)在內(nèi)的幾家媒體參觀了科大訊飛和奇瑞的總部。獲知雙方聯(lián)合開發(fā)了一款深度定制語音技術(shù)的車載系統(tǒng)： Cloudrive2.0，搭載在奇瑞的新車艾瑞澤 5 車型上。

　　「這是一個整體的軟件系統(tǒng)，包括信息服務(wù)、車和駕駛者的交互�！箍拼笥嶏w執(zhí)行總裁吳曉如在媒體溝通會上說道。這意味著科大訊飛從語音技術(shù)的提供商，到現(xiàn)在成為一個「云加端」的軟件和服務(wù)系統(tǒng)。而這種云端與本地的打通，可以為一些本地?zé)o法完全識別的內(nèi)容提供聯(lián)網(wǎng)識別，并經(jīng)由云端下載更新包來完善離線識別效果。

　　Cloudrive2.0 界面

　　從功能上和操作上，這套系統(tǒng)與汽車廠商推出的車載系統(tǒng)并無二致：導(dǎo)航、語音控制、藍牙電話、4G 上網(wǎng)和倒車影像等等，用戶可以通過方向盤或中控臺上的物理按鍵喚醒語音命令，也可以用「小艾你好」語音喚醒指令代替。

　　訊飛使用了麥克風(fēng)陣列定位人聲，在駕駛和副駕駛位置的麥克風(fēng)位于中控屏幕下方，可以準(zhǔn)確定位音源位置。

訊飛麥克風(fēng)陣列板

　　不過從體驗上來說，訊飛的語音服務(wù)做得更加流暢。按照官方的說法，汽車在高速行駛時，語音的識別率也能保證在 90% 以上。這是因為在硬件上，訊飛使用了麥克風(fēng)陣列定位人聲，在駕駛和副駕駛位置的麥克風(fēng)位于中控屏幕下方，可以準(zhǔn)確定位音源位置。

　　一般說來，汽車場景下車載系統(tǒng)應(yīng)該有三種交互方式：語音、觸摸和按鍵。

　　觸摸交互或按鍵交互是設(shè)定好的一層一層界面，比如點擊第一個圖標(biāo)，然后出現(xiàn)第二個畫面。語音方式并不一樣，語音的交互是扁平化的：如果用戶表達的意思足夠精確，能夠直接呈現(xiàn)最終結(jié)果。

　　「這給我們提出了一個很大的挑戰(zhàn)，就是我們能不能基于用戶對車載系統(tǒng)發(fā)生語音交互的時候，把用戶最需要的那條信息呈現(xiàn)出來。」吳曉如告訴我們。

　　但事實上這項挑戰(zhàn)在 6 個月內(nèi)便完成了，并且還取得了不錯的效果�？拼笥嶏w汽車事業(yè)部總經(jīng)理劉俊峰給出一個數(shù)字是：上線三四個月以來，用戶的這種活躍的比例達到 85% 以上，在線平均時長達兩個小時。

　　在與奇瑞合作之前，訊飛并沒有車載系統(tǒng)的整合經(jīng)驗。為此，2015 年訊飛入股美行科技，后者是車載信息系統(tǒng)、電子地圖軟件、位置服務(wù)領(lǐng)域產(chǎn)品和服務(wù)商；中國移動作為訊飛的股東方，也提供一些資源上的合作，包括咪咕音樂的版權(quán)以及車聯(lián)網(wǎng)相關(guān)的流量套餐服務(wù)；對于涉及到用戶在服務(wù)過程中遇到的各類問題，訊飛又參股了呼叫中心公司。

　　有了這些資源和支持與整合，為訊飛快速推進 Cloudrive2.0 打下了基礎(chǔ)。從另一個角度看，能與汽車廠商進行合作，這也證明訊飛的語音技術(shù)得到了前者的認可。

　　盡管如此，在媒體溝通會上吳曉如向我們坦言，目前在車載語音的技術(shù)環(huán)節(jié)上還需要繼續(xù)突破。比如如何留下有效信息，過濾無效信息、如何適應(yīng)多種噪音環(huán)境、如何保證在自然語言下，實現(xiàn)更有效地多輪人機交互等等。這也是下一階段他們要攻克的難題。

　　上個月初，「互聯(lián)網(wǎng)女皇」稱號的瑪麗·米克爾發(fā)布了一份互聯(lián)網(wǎng)趨勢報告，213 頁的報告內(nèi)容，十分之一的篇幅給了語音。她認為：語音技術(shù)的爆發(fā)，技術(shù)成熟是核心原因之一。目前，語音識別準(zhǔn)確率已從 2010 年的 70% 上升到今年的 90%。可以預(yù)見的是，如果語音識別準(zhǔn)確率從 95% 提升到 99%，將從量變引發(fā)質(zhì)變。

　　吳曉如說，汽車在語音應(yīng)用的門檻剛剛?cè)〉猛黄菩赃M展，未來語音交互在汽車領(lǐng)域的應(yīng)用將翻番。