近几年，”人工智能“已经成为互联网圈里面出现频次最高的一个词汇，随着技术的的进步和社会的发展，物联网时代已经成为继移动互联时代之后的下一个浪潮。在PC时代，浏览器是流量入口，人类通过键盘和鼠标和信息进行交互；在移动互联网时代，以App Store为代表的移动应用商店成为了流量入口，人类通过触摸屏上的GUi来操纵App和信息进行交互；在即将到来的物联网时代，人工智能会是流量入口，那么语音交互就成了极具竞争力的交互方式。

目前，在语音交互相关的领域已经出现了一批玩家和产品，国外的有Google Now、微软的Cortana（小娜）、Facebook的Message Platform、苹果的Siri、亚马逊的Echo、Google Home的智能音箱，国内的科大讯飞、百度的智能机器人（度秘）、搜狗语音、微信的语音功能等，虽然这么多大牌玩家进入语音交互的领域，但由于技术和社会环境的限制，语音交互还处在起步阶段，相关的语音交互技术还无法支持大规模的应用和推广。

要想让语音交互流行起来，必须合理解决以下几点客观的限制：

1、语音识别技术还处于起步阶段，语音识别技术，也被称为自动语音识别Automatic Speech Recognition，(ASR)，其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。语音识别的研究工作可以追溯到20世纪50年代AT&T贝尔实验室的Audrey系统，它是第一个可以识别十个英文数字的语音识别系统。并且一些行业巨头也都是在2010年左右才开始加大对语音技术的投入。各大巨头各自为战，语音识别领域里面还没有形成统一的行业标准和应用生态。

2、使用场景有限。语音识别技术对环境要求苛刻；在识别的准确率上受较多因素的影响，比如背景噪音、口音、语速、特定领域的专有名词等都影响准确率。有一项这样的测试，有人随机截取了几段网络课程用主流的云端引擎测试识别准确度，基本上准确率在70%左右；然后又截取了一段新闻联播的音频，用同样的云端引擎做测试，准确率达到了95%左右。由这个测试我们可以清楚的看到客观因素对语音识别准确率的影响，要知道在这个行业5%的准确率就是可以引起行业变革的。目前的技术先限制导致语音交互体验的机器感特别强，缺乏人性化的感知，没有人喜欢跟呆板的机器一直做交流的。

3、语音交互是非可视化的，非常消耗用户的注意力，增加记忆负担。人在与系统做交互的时候，能记住的信息也就10秒左右。举一个常用的场景，有时候打银行的客服电话，你必须集中精力听语音播报，一旦被打断就又得从头听一遍。

4、用户习惯还未完全养成。没有人愿意对着冰冷的机器说话，然后得到毫无感情的甚至是错误的回应。用户对语音交互对象的要求不但是可以听懂，还应该能人性化的给以回应，人类更期望通过语音达到人人交互的感受，而不是人机交互，这也是为什么语音交互的普及很大程度上依赖于人工智能技术的发展。

但是，这些客观条件的限制并不能阻挡语音交互成为物联网时代最流行也是最普遍的交互方式。

1、语言的本质是进行信息的交流。从人类进化的角度来看，语音是先于文字产生的，我们再来看一个现象，所有的婴儿都是先学会了说话，然后才会学习写字。视觉和触觉的交互都需要硬件在可视范围之内才能完成，而声音的传播路径是球形的360度，可传播范围非常广，而且获取信息的方式门槛低。

2、语音交互的两个关键点为语音识别和语义理解。在语音识别方面，随着智能终端的普及应用，我们已经获取了大量的语音数据资料，再加上算法的优化，这为计算机的深度学习提供了大量的支持。这其实就跟人类学习语言是一个道理。首先，你的大脑要有学习认知的能力（相当于算法）；同时，你还要掌握充分的词汇量，接受足够的听力训练（相当于语音数据），你才能听懂一门语言（语音识别）。学习英语的时候通过大量的听力练习强化我们的听力也是同样的道理；

语义理解依赖于神经网络（ANN）的技术，本质上是一个自适应非线性动力学系统，将机器学习的方式模拟人类大脑的神经元，当处理的语言越来越多时，这种网络就可以逐渐理解语言，实验结果发现，这种技术可以使准确率提升25%以上。

3、任何新技术都会经过起步、发展、流行这样的阶段。现阶段最符合用户习惯的交互方式是GUI，但GUI也是随着智能手机的发展才逐渐流行起来。语音交互技术一旦解决了拟人化的问题，赋予声音情感化，强化人人交互的体验，就会进一步促进用户习惯的养成。

4、语音交互有着其天然的用户场景和用户群体。语音交互创造了全新的伴随式场景，比如说早晨起床后我们可以一边洗刷一遍听广播，晚上跑步的同时还可以听音乐，语音交互解放了人的手和眼睛，通过语音交互我们可以做到一心二用，这极大的提高了我们在某些场景下的效率，语音交互充分抓住了人类不方便使用手和眼睛的场景。另外随着智能设备影响的扩大，用户群逐步向老龄人群、低龄人群、身体残障人群渗透扩散的趋势非常明显，而对这些新进入人群而言，原有的触控交互方式或许并不太适合，用户习惯也未形成，例如老年人视力下降、手指也不够灵活；低龄儿童还不能掌握手写等能力也不适合长时间看电子屏幕；弱视/盲人更希望接受语音信息和发出语音指令，等等，因此语音交互也更适合拓展智能设备新的用户人群。

语音交互将成为物联网时代最有竞争力的入口。语音识别将使人机交互能够以人类最熟悉的方式进行，语音识别技术一旦取得进一步的突破，这个行业就会迎来黄金时期，而且语音交互将凌驾于浏览器、APP等其他应用入口之上，形成一个以语音交互技术为核心的全新应用生态链，同时对人工智能产业的发展起到极大的促进作用。

可否想象么样一个场景，在某个周日的早上，我们起床后，家里的智能音箱会自动给我们播报今天的天气状况，吃早餐的时候发现冰箱里的牛奶只剩最后一盒了，只需要说一句“再帮我订购一箱牛奶”，快递就会在约定好的时间送过来，说一句“帮我叫辆车”，一会车就到楼下等你了……