作为一名合格且优秀的智能助理，Siri肯定不是只会讲笑话的“人工智障”。

　　只需要动动嘴，Siri就能打电话、发短信、定闹钟、放音乐，也可以帮你这个“金鱼脑子”记记琐事——比如“我车又停哪里了？”。

图源：Apple官网

　　能干的Siri，能干的远不止这些。在语音识别技术进入车载导航、家居电气、客服服务等领域后，智能生态系统不断完善，调节灯光亮度、找个加油站，它也能轻松拿捏。

　　虽然Siri在2007年才成立，但“人类通过语音命令操作机器”这个想法早在20世纪60年代便出现了，并在1962年西雅图世博会上成功现世后引起了人们极大的兴趣。

　　世博创新A-Z：语音识别

　　A to Z of Innovations at Expos

　　1961年：语音识别技术诞生

　　1957年10月4日，苏联发射了第一颗人造地球卫星，美国随后急起直追，“太空竞赛”由此拉开序幕。以“太空时代的人类”为主题的1962年西雅图世博会是一个科学博览会，以“让科学占据显著的地位，为人类进步和幸福而努力”为方针，将未来与空间紧密联系在一起。

1962年西雅图世博会展馆内景

　　格雷厄姆公司设计的标志性建筑“太空针”就充分体现了时代精神。拔地而起的3支钢架凌空会合又彼此张开，轻轻托举着一只硕大的“飞碟”，充满了神奇浪漫的科幻气息。“太空针”高184米，“飞碟”直径42米，成为密西西比河西部首屈一指的地标。

1962年西雅图世博会

“太空针”

　　加州理工大学和华盛顿大学建筑系教授参与了工程设计，“太空针”足以承受每小时320公里的飓风和9级地震，这种超常的稳定性和安全性来自10米深、6000吨重的钢筋水泥基础。当地下部分的质量几乎和地上部分相等，“太空针”的重心仅仅高于地面1.5米。

世博会博物馆第3展厅“乐观信念”展出的

太空针模型

　　作为IBM于1961年设计的实验性设备，Shoebox是掌握语音识别的早期尝试。它的开发者William C. Dersch在该博览会上首次展示。

Shoebox（图源：IBM官网）

　　机器将识别对着麦克风说的16个单词，并将这些声音转换成电脉冲。与现代语音识别系统一样，用户可以看到他们说的话，确保没有“误解”。

1962年西雅图世博会科技馆

　　该技术在世博会上的展出让语音识别技术的发展得以加速，对后来Siri、Alexa和Watson AI也造成一定影响，但直到进入21世纪，语音识别技术才变得普遍。

　　

　　Watson AI

　　现在，语音识别远不局限于简单的数学运算，而是在我们的手机、电脑、手表、汽车上，以及在我们的家中，帮助人们执行或完成大量的任务，并对查询做出回应。

　　实时同声翻译的实现

　　语音识别技术可以在语言翻译系统中实现输入、输出、分类等功能：将语音信号捕捉并转换为文本，从而实现语言翻译系统的输入；帮助语言翻译系统识别输入语言的类型，从而选择合适的翻译模型；将翻译后的文本转换为语音信号，从而实现语言翻译系统的输出。

　　在语言翻译系统中，语音识别技术可以实现实时、高效、方便的语言翻译，因而被广泛应用于会议翻译、远程会议、语音邮件等场景。

　　华为AI字幕

　　华为 AI 字幕可以将手机内的视频或他人说的话实时转为文字，并以字幕的形式呈现在屏幕上，使看视频更方便；也可以帮助听力不佳人士，打电话时可以将接收的语音转为文字，还可以将输入的文字转为语音发送给对方；当与他人进行面对面交流时，将对方说的话转换成文字字幕，并可以将输入的文字实时转换成语音播放给对方听。

百度AI同传助手

　　提供高质量、低延迟的机器同传服务解决方案——百度 AI 同传助手，支持同传双语字幕投屏，手机扫码会议二维码即可收听同传语音，视听一体的沉浸式同传体验；支持中、英、日、韩等多语种同传；会议后自动生成双语会议纪要，不漏掉任何会议细节，助力会议内容快速整理。

　　支持方言的“转文字”

　　在开发Shoebox的过程中，有人观察到不同的单词会使用更高或更低的音调，从而实现了通过音频过滤器来调节音调，以便正确区分每个单词。但发展早期(1950年代至1970年代)的语音识别技术主要基于手工设计的特征提取和模式识别方法，如傅里叶变换、波形比较等。这些方法的准确率相对较低，且对不同语言和口音的适应性较差。

Shoebox（图源：IBM官网）

　　信息时代下，语音信息的交流越来越多，“转文字”功能的运用也深入人心。但发语音的人有时更偏好方言，“转文字”却听不明白，输出的结果也五花八门，等到能听语音时，沟通效率难免大打折扣。

　　

　　中国电信人工智能研究院（TeleAI）于近日发布了业内首个支持30种方言自由混说的语音识别大模型——星辰超多方言语音识别大模型，打破单一模型只能识别特定单一方言的困境。

　　和Siri说“侬好”，它还真可能听得懂。

　　1962年西雅图世博会上首次展现的语音识别设备仅能识别特定音节，在人工智能技术和深度学习技术的快速发展下，语音识别技术得以突破，能够处理连续的语音流，并准确反馈。现在，语音识别技术不仅能够应用于会议记录、翻译交流、AI字幕、智能家居等场景，还能够在方言环境下实现信息传递功能。未来，该技术将会更加智能化、个性化。

　　编辑：赵翊苓