為什么智能音箱很難實(shí)現(xiàn)多輪對(duì)話？現(xiàn)在的人工智能遠(yuǎn)沒有科幻電影里那么成熟。一般認(rèn)為只有五六歲孩子的智商，但是你和一個(gè)五六歲的孩子交流會(huì)這么難嗎？正如高亮所說每個(gè)技術(shù)問題都會(huì)面臨一個(gè)技術(shù)解決方案。 "也許

為什么智能音箱很難實(shí)現(xiàn)多輪對(duì)話？

1.一次喚醒可以持續(xù)互動(dòng)；你只需要喚醒一次就可以進(jìn)行持續(xù)的對(duì)話，無論智能音箱處于什么工作狀態(tài)，哪怕音樂正在播放。就像人與人之間的對(duì)話，有問有答。再也沒有必要在每一次對(duì)話中說喚醒詞了。真正的語音交互不應(yīng)該是死板的。

2、演講停頓不會(huì)被打斷；當(dāng)你說 "給我一個(gè)周杰倫…呃…菊花臺(tái) "智能音箱沒有。;t匆匆彈了一首周杰倫的歌，卻彈了一個(gè)菊花臺(tái)。智能揚(yáng)聲器應(yīng)該知道你什么時(shí)候已經(jīng)完成，什么時(shí)候還沒有完成。;t完成，他們贏了 不要切斷你所沒有的。;沒有完成。畢竟，誰沒有？;t猶豫了嗎？

3.知道說話的人是誰；一個(gè)典型的三口之家有一個(gè)父親、一個(gè)母親和幾個(gè)孩子，還有每個(gè)人 美國人的需求不同。智能音箱應(yīng)該準(zhǔn)確識(shí)別每個(gè)人 s的聲音，知道是誰問的問題，然后給出準(zhǔn)確的答案。

4.語境對(duì)話的連貫性；在回答你當(dāng)前的問題時(shí)，聰明的演講者也應(yīng)該知道最后一個(gè)問題是什么，學(xué)會(huì)結(jié)合上下文，不回答無關(guān)的問題。只有這樣，人與智能音箱的對(duì)話才能更加自然。我們要的不是沒有情感的機(jī)器，至少對(duì)話要有邏輯。

5.聽清楚，不要 不要犯傻；當(dāng)你在客廳和朋友聊天時(shí)，有些話可能是寫給朋友的，有些是給智能音箱的指令。這個(gè)時(shí)候，智能音箱要做出準(zhǔn)確的判斷，準(zhǔn)確識(shí)別你是不是在和音箱說話，而不是 "插入兩個(gè)詞 "當(dāng)他們不應(yīng)該出現(xiàn)的時(shí)候。

目前用于語音交互的技術(shù)主要有麥克風(fēng)陣列、語音識(shí)別、語義理解、語音轉(zhuǎn)文本、文本轉(zhuǎn)語音等。，這些都是人工智能技術(shù)最基礎(chǔ)的應(yīng)用，差不多十幾個(gè)創(chuàng)業(yè)團(tuán)隊(duì)就能完成。但是百度工程師的小目標(biāo)，需要一系列的技術(shù)難關(guān)。