這兩年AI最火的非智能音箱莫屬，為搶占入口，市場上語音產(chǎn)品層出不窮，現(xiàn)已是一片紅海，智能音箱已經(jīng)成大廠們的標(biāo)配產(chǎn)品或是戰(zhàn)略中的一部分。那問題來了，沒有大廠技術(shù)基因，沒有NLP?(Natural Language Processing)?技術(shù)背景的小公司，應(yīng)該怎么做“AI”智能語音產(chǎn)品呢？

一、選擇第三方NLP開放平臺(tái)

NLP技術(shù)沉淀周期過長，投入會(huì)很大，選擇第三方開放平臺(tái)想必是小公司最好的選擇，推薦三個(gè)AI語音開放平臺(tái)：

• 科大訊飛開放平臺(tái)；
• 百度AI開放平；
• 搜狗云知音。

二、明確技術(shù)分工

上圖是引入單個(gè)NLP的對(duì)接方案，通過任務(wù)分解，可以很清楚知道，哪些是第三方平臺(tái)做的，哪些是我們要做的。

NLP底層識(shí)別交給第三方開放平臺(tái)：

• ASR (Automatic Speech Recognition,自動(dòng)語音識(shí)別)：作用是將語音輸入轉(zhuǎn)化為文本文字
• NLU后臺(tái) (Natural Language Understanding,自然語言理解)：開放給使用者的一套自定義語義系統(tǒng)
• TTS (Text To Speech,文本轉(zhuǎn)語音)：用于文本轉(zhuǎn)語音
• 喚醒模型：預(yù)置喚醒詞，當(dāng)用戶發(fā)出該語音指令時(shí)，設(shè)備便從休眠狀態(tài)中被喚醒，并作出指定響應(yīng)，喚醒詞需要反復(fù)訓(xùn)練提升喚醒率，降低誤喚醒。
• OS（Operating System）： OS在執(zhí)行層面發(fā)揮的巨大作用，比如：正在執(zhí)行播放音樂，你想關(guān)閉、切換歌曲，這時(shí)候OS就顯示出他的作用了
• 系統(tǒng)垂類：開放平臺(tái)所帶的系統(tǒng)技能

NLU補(bǔ)充、執(zhí)行干預(yù)、運(yùn)營系統(tǒng)是我們需要做的。

三、談?wù)勎覀円龅膬?nèi)容

底層工作交給開放平臺(tái)之后，我們需要搭建自己的運(yùn)營管理系統(tǒng)，開發(fā)自己想要的技能。

技能

相當(dāng)于垂類，簡單的說就是某個(gè)應(yīng)用程序，語音作為入口打開應(yīng)用，像音樂、新聞、天氣、笑話等都屬于技能，比如：講個(gè)笑話，語音產(chǎn)品執(zhí)行打開了“笑話”應(yīng)用，給你返回一條笑話內(nèi)容。

技能決定了產(chǎn)品內(nèi)容的廣度，技能可以是自制，比如：鬧鐘，也可以從第三方合作引進(jìn)，像“抖音”、“微信”這樣自帶流量的第三方估計(jì)想必都想接入吧，對(duì)于一個(gè)智能產(chǎn)品來說，技能自然多多益善。至于需要多少，看公司的產(chǎn)品定位、業(yè)務(wù)、成本等因素綜合考慮。

自定義NLU

給你的技能配置語義，基于開放平臺(tái)下建立自己產(chǎn)品的自定義NLU語義內(nèi)容，NLU主要由三個(gè)方面構(gòu)成，語義文本、意圖、參數(shù)。

語義文本（Text）

語義文本設(shè)計(jì)目的是為了能聽得懂用戶聲音，同一個(gè)請(qǐng)求，每個(gè)用戶說法都不一樣。舉個(gè)簡單的例子，比如：幫我放首周杰倫的歌，來點(diǎn)周杰倫音樂，周杰倫的音樂有沒有。設(shè)計(jì)語義文本時(shí)，既要使用正規(guī)的主謂賓結(jié)構(gòu)，又要考慮到特殊的說法，語義要盡量覆蓋全。

意圖（Intent）

意圖指用戶的具體請(qǐng)求或目的，一個(gè)意圖可以包含多個(gè)語義文本。舉例：明天早上8點(diǎn)叫我起床，定明天早上8點(diǎn)鐘的鬧鐘，都屬于新增鬧鐘意圖。通常意圖依賴于技能，舉例的意圖就屬于鬧鐘技能。

詳細(xì)參數(shù)（Detail）

讀懂用戶說什么后，需要根據(jù)用戶的意圖作出相應(yīng)的反饋，參數(shù)設(shè)計(jì)就顯得特別重要了。NLP平臺(tái)做法是當(dāng)語義文本輸入命中意圖后，通過接口將自定義NLU的參數(shù)傳達(dá)給后臺(tái)。參數(shù)存在的目的是要告訴后臺(tái)，接下來你要做什么。

還是用歌曲的例子來說明：

語義告訴后臺(tái)，命中MUSIC意圖，執(zhí)行音樂技能，播放作者為“周杰倫”的歌曲。

產(chǎn)品交互規(guī)則

拿到了NLP傳達(dá)的參數(shù)指令，接下來系統(tǒng)要做的是給用戶反饋結(jié)果。

命中到NLP系統(tǒng)自帶的技能，如果你不做干預(yù)的話，系統(tǒng)可以直接給出結(jié)果。

命中不是系統(tǒng)技能意圖或干預(yù)系統(tǒng)自帶技能，需要根據(jù)參數(shù)開發(fā)相應(yīng)的功能。

最后

沒有語音識(shí)別技術(shù)同樣可以打造一款智能語音產(chǎn)品，它可以成為你的產(chǎn)品體系里的一部分。因?yàn)槌錾頉Q定了它的造價(jià)成本會(huì)很高，如果脫離產(chǎn)品體系，將該語音產(chǎn)品單獨(dú)為投入市場，至少在價(jià)格上缺乏競爭力。

本文由 @?ivan 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議