class="topic_img" alt=""/>
一
在叮咚音箱粉丝群里有一位特别的用户，他叫小飞。
小飞是一个盲人，先天失明，他从来不知道世界是什么样子。在和他交流之前，他说他要使用读屏软件和 QQ 跟我聊天，我当时很担心，但之后我发现，他打字飞快，你并不能觉察出他是一个盲人。
我们其实在今年上半年写过一次《一个视障极客和他要改变的世界》，当时盲人张海彬操作手机屏幕——他需要拇指在屏幕上飞快地滑动，他必须逐个点选屏幕上的每一个 app 并双击，从左上直到右下，一个不落。读屏软件以常人说话三四倍的语速，读出被点选到的每一个 app 名，声音混囵又滑稽。直到第三行，他才找到了需要查询的百度地图，张海彬听到提示语音后赶紧双击打开，接着重复划屏，找到搜索栏，再双击。
小飞看起来是一个孤僻的人，他的 QQ 好友设置为了需要验证答案才能添加；小飞看起来又像是一个爱交流的人，基本上我发出一个问题，他自己能打出一大长串的句子，他喜欢说「我跟您讲讲」，然后接着就是一大长串他的故事。
或许，是因为读屏软件的原因，他的消息也是一打就是一大长串，而且断句折行特别多。他担心和我的聊天过程中会有别字，让我海涵，但实际上他的输入非常准确且快速，看起来和一个正常人没什么两样。
小飞先天失明，他需要用辅助技术来使用电脑以及手机上的程序。小飞几年前接触到了讯飞的手机 app，讯飞输入法。他发现对于他们这种需要使用辅助功能的用户并不是很友好。小飞给总裁办刘先生写了封信，来讨论这个问题，结果刘先生还真回复了他，小飞记住了一句话，刘先生当时发给他的是——「讯飞的人机交互技术，不能也不应该忘记特殊用户以及残障用户。」
这个回复小飞的人就是科大讯飞董事长刘庆峰，小飞就是这样与讯飞以及叮咚建立起来了联系。
original="http://cdn.pingwest.com/wp-content/uploads/2017/11/2206.jpeg?imageView2/2/w/750/q/90" data-image-enhancer="larger than 645" />
2014 年底，小飞受邀参加了讯飞公司的年会。讯飞总裁办送给他一个讯飞（叮咚）智能音箱。小飞觉得这个东西真的太方便了，后来京东与科大讯飞成立了灵隆科技，有了正式版的叮咚音箱，小飞就跟着他们的步伐开始购买使用叮咚音箱。
一个先天失明的核心内测用户就这样产生了，小飞给自己的身份是叮咚粉丝团团长。
或许是因为他的先天失明的原因，他对这个世界保持了一个无限好奇的心。
「因为从小双目失明，特别想了解世界，所以特别喜欢这些应用。或许很多人没体会过，眼前是黑暗。想获取信息只能听广播。手里拿着报纸确没人能愿意给读。那种感受唉。我在也不愿意回到那种时光了。」
他在很多辅助软件的帮助下玩这些设备应用，他喜欢玩很多应用，看起来和现在的年轻人烧手机也没什么两样。
「当然，照相机是别想了，但平时玩手机，以前用的是华为的安卓手机，现在用的是苹果的设备。」
小飞喜欢用手机上网看新闻，在外面锻炼的时候用手机听歌。他说他喜欢刷微信朋友圈，去唱歌软件吼两嗓子。因为喜欢听歌，并且对音质要求比较高，他还购买了传统的可移动的音箱。小飞说笔记本也是要玩的，毕竟有些内容工作是在手机上无法完成的。
小飞的设备、应用清单看起来和常人并没有区别，多亏了技术的进步——「现在好了，打开手机，打开电脑，都能获取最新资讯。而对叮咚音箱说听新闻，就更加方便快速了。」
而在这些数字生活里，小飞还挺依赖智能音箱的——小飞会半夜经常用叮咚，问他几点了；早上定闹钟叫他起床，刷牙洗脸的时候让叮咚播新闻。小飞也在打理一家盲人按摩的店，白天会给客户按摩，他一边按摩还要一边用叮咚放歌曲。
「有自己喜欢的广播，例如河北新闻广播的建楼开奖是早上八点开始。我就设置早上八点让叮咚自动播放河北新闻广播。在也不会错过我喜欢的广播了。查询百科知识啊，给孩子讲故事啊，在京东买东西啊。甚至用叮咚控制我家的空调啊插座什么的。」对于他来说，其实随时听自己喜欢的广播就是一件特别幸福的事儿。
小飞家里有一个智能插座和智能空调，他都使用叮咚音箱进行控制。因为以前调整空调参数，需要孩子帮忙调整，他自己看不见空调显示。「现在好了，动动嘴就好了，孩子也解放了，我也省心了。」
小飞还说他特别喜欢京东这家公司，因为京东快递每次送货都送到房间里来，放到他的手边。这两家对他生活提供了难以想象的便利的公司，被他称作是两家有爱心的公司的结合。科技进步给他生活带来的很大的实质性影响，小飞还说「现在真是科技改变所有人的生活，包括我们残障人。」
二
小飞的故事其实是一个引子。对于一个盲人用户来说，我们绝不能想象一个我们自私地认为的——无用的、智障的智能音箱对于他们的帮助究竟有多大。
那些我们看起来不值一提的功能——听个广播、买个日用品什么的，反而就成了小飞最大的心愿。
小飞尝试使用过一些其他品牌的智能音箱，但他认为，叮咚对于资源搜索，有声内容播放优化的比较好。他还是喜欢使用叮咚，但他认为其它智能音箱也是有他们的优点的。
「有些智能音箱，在资源上比较缺乏；有些智能音箱声音比较死板。」而叮咚音箱开始，就对资源有声书方面比较重视，他认为叮咚对他们要友好的多。
事实确实如此。从 2014 年亚马逊推出 Echo 并完成了这个对 Google、微软、苹果在 AI 智能家居领域的奇袭后，京东和科大讯飞率先推出了叮咚智能音箱，两年时间，除了推出产品，叮咚音箱一直在做两件事——研发技术和提供新的服务生态。
小飞认为目前所有的智能音箱都存在一些问题，但他认为很多网友说音箱不智能是智障这样的说法有些偏激了。「目前来说，智能音箱还达不到充分去理解用户的话语。不能去跟你无障碍的聊天。如果实现这个方面，我认为需要巨大的数据模型或者说神经分析。也许以后会实现，但目前想让智能音箱做到充分的去理解用户意思跟用户聊天解闷，是难为这几家音箱厂家了。」
实际上，广义上的智能音箱其实分为两个部分，智能+音箱。除了价格，定位不同，他们其实大体上都大同小异——音箱为主，提供一个语音助手。
不过虽然如此，互联网厂商和传统硬件厂商对于产品的态度依然不同。
大体上，互联网公司就是互联网玩法，赔钱买用户量。所以促销其实都是经过大量补贴的价格。
对于用户来说，谁更智能其实具备两个维度——技术的维度，这里所说的就是自然语言的处理能力、唤醒成功率等等，但主要是前者；而另外一个维度是生态，就是服务，能不能查更多的新闻。控制家电，能控制多少家电，能连入多少个智能家居的平台。
谁更好更智能其实就是在说——技术水平够不够；生态的服务的质量行不行，所以不管是从 50 块钱到 1000 多块，在这里有了差异化。
灵隆科技首席科学家汤跃忠告诉我们——叮咚的领先就是因为多走了两年多的路。「我们自己的优势还是比较明显的。智能这方面——使用了讯飞的技术，中文语音识别领域是公认的第一的，还有唤醒、远场降噪等等。在自然语言理解领域，我们也是遥遥领先的。」
「虽然说大家的技术路线是差不多的，谁更智能其实在中国的差异化很明显。因为中国方言多、地大物博，同一句话意思不同。我们多走了两年，所以我们可以理解、容错更多的口音、方言等，我们持续地不断的调整模型，现在我们可以覆盖掉大多数的方言和口音，这是技术上的领先。」
服务上的也是一个道理。汤跃忠提到——目前叮咚音箱已经接了 20 多个平台，京东微联覆盖了 20 多个大品类，1000 多个产品。在开放技术平台方面，目前也已经接了几百个自己的应用上去。「这些都是走得比较早的，是不能跨过的问题。」
汤跃忠谈到，对于快速笼络到这么多的开发者，其他平台其实还是有一段距离的；而平台的丰富性和开放性，也是需要他们追赶的。
三
2017 年的双十一期间，499 元的天猫精灵 X1 降价为 99 元开始促销。而随后加入的叮咚音箱也推出了 49 元的促销产品，叮咚 Top。虽然 299 元的小爱同学没有加入促销战场，但智能音箱产业终究是迎来了一次顶级玩家的正面对决。
从目前来看，49 元叮咚、99 元的天猫精灵、299 元的小爱同学构成了一定程度的竞争，不过不管是原价 299 元的叮咚 Top，还是 499 元的天猫精灵，299 元的小爱同学，都针对的是更亲民的智能音箱市场，处在同一级别的用户价格区间。而价格略高一点的有联想、Rokid，叮咚也有几百至上千的产品，智能音箱行业早已经覆盖到到低中高几档产品，从产品形态，价格区间上来说，这些产品对于这个市场需求来说早已足够。
但产品覆盖更多、出货量也在急剧地增加，能代表智能音箱产品的进步的核心是什么？
如果再次提到叮咚音箱的优势，汤跃忠认为是——科大讯飞技术的足够好，研究够深，中文语音技术领域第一；产品推出的时间更早，了解到了更多的用户需求，更懂智能音箱会碰到哪些问题。
小飞作为一名特殊的用户，也多少从侧面诠释了音箱智能这个词的真正含义。
汤跃忠给我们举个几个例子，真正的智能其实是「不言自明」的。
「很多人普通话表达方式不同。比如『我要听音乐』，有的人说话很有地方特色，他们会说『给我整首歌，弄一首歌』，这种地方特色的说法是开发之前是没想到的，我们就要对这个问题进行应对，时间久了，这就是我们的积累。很多东西是做之前无法预估的，是需要特别去解决的。」
语音技术是先通过语音识别转文字，文字成句再理解。不过语音识别再好，都会有在中间发生转文字识别的错误，「我们无法控制用户的使用环境，比如有的地方非常吵、有的人口音也很重等等，有些人说话随意会导致理解错误。叮咚的优化就会包括这种错误，去包容这种错误。」
汤跃忠又举了一个例子——比如 yesterday once more，对于中国人的口音，很可能会识别成——yesterday one small。「我们就需要针对这种情况进行处理，这就是包容错误。去转换成一个正确的说法上的。」
「有一次用户想听蔡国平的歌，语音识别是没问题的，但实际上没有蔡国平这个歌手，我们的系统就理解成了蔡国庆，播放蔡国庆的音乐。但其实用户犯了错，确实没有蔡国平这个人。但他不想听蔡国庆，他和我们反馈音箱出错了，他说他想听蔡国平的草原之夜，识别也没问题，但真实的情况是这个人叫蔡奇平，他说错了。但如果说蔡国平的草原之夜就播放正确播放蔡奇平的草原之夜，而如果说蔡国平就会播放蔡国庆，这就是系统自动纠错。这种问题很多，但这就是我们系统的能力，考验的是优化和调教，是需要长时间积累的。」
汤跃忠提到，叮咚音箱在算法和程序服务器的更新，大的更新每个月一次，小的更新每周都有一次，自然语言理解就是一个过程，特点就是需要不断更新、不断迭代的的过程。叮咚目前经过了 110 个版本的迭代，确保了用户体验。通过不断修正升级音箱的语义理解能力，叮咚已经拥有了 2 亿多条的交互数据。
关于迭代更新，小飞认为叮咚对于他们盲人用户的响应非常快，他给我粘贴过来了一个聊天记录，虽然我并不清楚这需要耗费他多长时间。
四
可能在叮咚的眼中，大量出货的天猫精灵并不重要。对于他们来说，如何优化产品的细节，打磨体验才是更重要的事，最重要的是——给那些真正需要自己产品的人提供真正的帮助。
不论是成立时间，还是在语音技术上早已趟过的那些坑，对于目前行业存在的问题，叮咚有绝对的话语权。而汤跃忠认为智能音箱还有几大难题需要解决——
第一，是如何克服鸡尾酒效应，比如在一堆人说话的嘈杂环境中，找到真正需要对话交流的那个核心用户；第二，声纹识别的技术值得期待，但就目前几家尝试的技术产品来说，技术储备和可行性都还达不到用户的期望值，娱乐还好，安全到准确识别用户，使用在支付上肯定还不行；第三，是音箱的语音合成技术，我们期待带有感情的语音合成——让那些智能音箱说话时有抑扬顿挫、有感情，这种交流是我们的一个研究方向。
最后就是 Echo Show 这样的使用了屏幕和摄像头的产品，我们也希望还会有图像和视觉交互的加入，语音和视觉同时交互，怎么样能同时交互，怎么样能够交流的更好，这是一个新的课题。
他同时提到，天猫精灵的大量出货可能马上会收到大量的迭代需求，用户反馈。他看到一些用户说天猫精灵还不够聪明，用户感觉他还听不懂他们的话。「技术上来说，还需要一段时间进化。」
作为粉丝团的团长，小飞现在也还在继续帮忙反馈问题，他之前听叮咚的工程师说，他们马上会支持一个「红外遥控器」。通过这个「红外遥控器」，就可以通过音箱来控制家里所有的老家电了。
小飞并不知道这个「红外遥控器」是什么技术原理，但他还是很期待这个功能的上线，他说这样他就节省了一大批老家电了，例如家里的老电视机、老空调什么的。
而根据叮咚的官方说法，这个功能其实是早已经打通的博联的红外功能。作为一个盲人，小飞可能还不知道，这个功能已经上线了。
小飞时不时还会发出一个捂嘴笑的 QQ 表情，「这样的话，不用多少钱，就能体验智能生活了。我认为这是件很方便很幸福的事儿。」
题图来自：搜狐
相关文章
