語音交互無論是人與人溝通，還是AI人工智能時代人與機(jī)器人互動以及機(jī)器人與機(jī)器人之間的交互等都是最為基礎(chǔ)重要的一種方式。

對于今天AI人工智能時代基本的平臺載體--機(jī)器人來說，人機(jī)語音交互必須首先具有的主要功能之一。

盡管國內(nèi)的科大訊飛，百度以及目前最為火爆的國外Chat GPT已經(jīng)在人機(jī)語音交互技術(shù)上不斷地進(jìn)行突破，特別是Chat GPT給人的體驗(yàn)感。相信人機(jī)語音交互近年來市場化的應(yīng)用會帶來較大的變革與突破。但這多年實(shí)際市場上幾乎人機(jī)語音交互仍然還停留在最為初級還不足以支撐一個基本完整場景下的人與人交互的效果。

我們通過2016年至今2000臺左右機(jī)器人不同產(chǎn)業(yè)領(lǐng)域場景實(shí)際市場上的反饋以及人機(jī)語音交互市場化要求的不斷探索已基本上找到并驗(yàn)證過的方法與路徑。

首先我們回歸分析日常人與人語言交流的場景狀況。其主要特點(diǎn)如下：

1交談的主要內(nèi)容話題：無論是初次見面還是相識后的交流，基本上都是群體（行業(yè)/公司/朋友/親戚等）內(nèi)的相關(guān)的內(nèi)容。

2內(nèi)容的屬性：大部分溝通的內(nèi)容中是不便對外界完全可公開的。也就是說具有一定范圍群體的私密性。

3內(nèi)容的范圍延展性： 交談的內(nèi)容有些是已發(fā)生的；有些是計劃要做的；有些是即興而說的。

4內(nèi)容的頻次與關(guān)聯(lián)性：前后交流的內(nèi)容話題基本上關(guān)聯(lián)度比較高；前后之間交流內(nèi)容的跨度不大，內(nèi)容頻次較高。

5公共話題內(nèi)容：交流中也會涉及到與話題引發(fā)的公眾內(nèi)容，也就是可以對任何人不存在隱私的內(nèi)容。

6交互的時長與內(nèi)容跨度：一般交流的時間與交談內(nèi)容的跨度不會很大。

然后我們再來分析一下人機(jī)語音交互內(nèi)容的主要方法：

目前主流方法就是通過對相關(guān)大數(shù)據(jù)的訓(xùn)練并賦予模型深度學(xué)習(xí)的辦法。當(dāng)然效果要好就需要有大量的相關(guān)數(shù)據(jù)資源以及技術(shù)團(tuán)隊(duì)包括資金的支撐。

最后的結(jié)論與正確的做法路徑

1 我們從上述方法與人與人溝通的主要特點(diǎn)對比不難看出：目前主流做法訓(xùn)練出的人機(jī)語音交互還是不能支撐替代人與人實(shí)際交流溝通場景的主要內(nèi)容。

2 正確的做法就是：基于訊飛/百度/Chat GPT基礎(chǔ)上+自有系統(tǒng)上的數(shù)據(jù)庫（這個才是支撐交互溝通內(nèi)容的主要部分）而且這個數(shù)據(jù)庫的內(nèi)容也必須由用戶/相關(guān)人自己隨時根據(jù)實(shí)際需要來完善增添。

3我們近2年來通過上述辦法開發(fā)的人機(jī)語音交互軟件，通過實(shí)際用戶的使用體驗(yàn)以及與別家的對比；效果非常明顯；用戶體驗(yàn)感強(qiáng)；愿意使用，評價較高。當(dāng)然我們會繼續(xù)按此思路不斷完善升級軟件。