语音识别成智能家居新星的三个关键因素

语音操作跃居智能家庭人机接口新星。亚马逊（Amazon）语音助手Alexa无孔不入穿梭于2017年国际消费电子展（CES）大展，随处可见的电视、冰箱、空调和洗衣机等智慧家电，甚至是陪伴型机器人皆已导入语音操作功能，堪称智能家庭的杀手级应用。

工研院通讯系统研究部经理叶恒芬表示，相较于2016年的CES展会，大多智慧家庭还是围绕着以手机作为控制中枢，遥控家中大小各种智能装置的局面。继Amazon于2016年开放出Alexa应用程序编程接口（API）后，吸引各大厂商相继导入语音识别功能。至今，Alexa已具备七千项技能，一百八十家供货商在此平台开发出商品，极可能成为跨平台统一的呼叫方式。

叶恒芬分析，语音接口成长的驱动因素主要有三点，一、语音识别错误率的下降，语音识别若在85%以下，则不符合导入产品的标准，语音识别率需达95%以上才具备应用于终端终置资格，以现阶段来说，目前的语音识别率已高达97～98%以上，与人类辨识语言的准确率相似；二、行动语音助理使用量提高，现在很多的语音请求来自于行动装置，以美国用户而言，目前已有20%的手机用户以语音型式发起数据服务的请求，举例来说，Google Now的语音搜寻成长达35倍之多；三、语音平台的API开放，设备、内容与应用程序相继导入，使得语音计算将有机会成为物联网装置主流的输入型态。

事实上，在智慧家庭领域已陆续出现以人工智能（AI）芯片为基础，结合语音和影像辨识技术的功能，以提高物与物之间沟通（Device to Device）的创新，例如乐金（LG）已有多项家电产品导入语音、影像辨识为基础的深度学习算法，并与开放网络基金会（ONF）、Google和Amazon策略合作，以提高产品互操作性。

然而，当前的语音识别系统大多还会受到背景噪音的干扰，说话的腔调、方式甚至是不同品牌设备连结等因素，也会影响语音识别的准确率。有鉴于此，叶恒芬认为，下一阶段语音识别精进的方向，可朝降低背景噪音干扰、自然辨识说话者语调和某些专用术语（Lingo）的辨识与学习发展。

工研院产经中心电子与系统研究组零组件研究部经理林泽民补充，除了语音识别功能之外，NVIDIA CO-Pilot具备语音、脸部识别与唇形辨识三合一的多重辨识能力，可更加精准辨别用户表达的指令，这种多重辨识的人机接口技术，强化识别的准确性与安全性，将成为未来人机接口发展的趋势。