AI助手賦予人類外貌，語音助手如何打開情感表達？

日本聲優(yōu)（配音演員）花澤香菜官宣結(jié)婚的那一天，不少宅男都直呼“爺青結(jié)”（爺?shù)那啻航Y(jié)束了）。互聯(lián)網(wǎng)上被奉為“大眾情人”的男神 / 女神，哪個不是聲形并茂的存在？

“顏控”如人類的情感就是如此不講道理。所以盡管科技廠商們都努力將 AI 助手的聲音“打扮”得親切可人，但距離真正進入用戶心扉還遠遠不夠。尤其是對于智能家居、養(yǎng)老照護等重要語音落地場景來說，情感色彩的缺位就更加顯現(xiàn)出不足了。

而近期，許多能說會道的 AI 人物，也逐步進入我們的視野。比如《時代周刊》刊發(fā)了一張馬丁·路德·金的“肖像照片”，“他”還會在沉浸式展覽《游行》中，重現(xiàn)馬丁·路德·金的經(jīng)典演講《我有一個夢想》。

在許多崗位上，AI 語音助手也開始被賦予真人一樣的外貌，能夠通過眼神、表情、動作進行自然流暢的表達。比如疫情期間許多辦公樓里，都引入了數(shù)字人來執(zhí)行測溫任務(wù)，讓這一行為更具溫情，不再是機器語音例行公事一般冷冰冰的提醒。

騰訊全球數(shù)字生態(tài)大會上，一位來自《鏡雙城》動畫番劇里的女主角那笙，就跟現(xiàn)場觀眾打起了招呼——“原本我只能出現(xiàn)在動漫世界里，現(xiàn)在的我能夠讀懂你、聽懂你，還有自己的小個性、小脾氣哦~”

一副嬌俏少女的模樣，讓這樣的“女神”成為自己的導(dǎo)游、助理、客服、老師等等，聽起來就十分令人神往，是騰訊云小微和 AI lab 共同打造的數(shù)字虛擬人，也成為騰訊云小微“數(shù)字助手”解決方案的“顏值擔(dān)當(dāng)”。

當(dāng)然，讓人類與數(shù)字助理自然相處，其中既受限于理性的技術(shù)發(fā)展周期因素，也會受到人類虛無縹緲的情感左右。那么作為一種另辟蹊徑的實現(xiàn)方式，騰訊云小微所打造的形象化 AI 助手，其想象空間到底來自哪里？又將把 AI 語音技術(shù)引向怎樣的下一站？

“顏控”企業(yè)的出現(xiàn)，折射出哪些現(xiàn)實需求

智能語音助手早已在許多商業(yè)場景中落地，比如撥打客服電話時的語音服務(wù)，亦或是會為兒童朗讀繪本的智能音箱。那為什么大家突然又開始“看臉”了呢？

其實，從智能語音助手中廣泛存在的手機 / 音箱等產(chǎn)品的交互尷尬，就可以解開這個問題。

首先是打開頻率。許多主打智能語音功能的硬件（比如音箱），只有在剛拿到手的新鮮勁里，或者是網(wǎng)絡(luò)上又出現(xiàn)了“調(diào)戲”語音助手的段子，才會想起來跟它們對話。背后的關(guān)鍵原因是語音助理所能承載的工具性需求，大部分都已經(jīng)被智能手機等設(shè)備完成的很好了，只能作為“備胎”被偶爾提起。

二是情感聯(lián)系。語音交互是即忘形式的，這就決定了它無法承載更具私密性、情感性的交互活動。我們會讓語音助手幫我們打開電視、啟動掃地機器人，但跟它進行充滿情緒色彩、大段大段地閑聊？估計大部分用戶都會產(chǎn)生抵觸心理。就算自己不介意，被其他人撞到抱著一個音箱喃喃自語也很難不引起誤會不是……

三是技術(shù)瓶頸。伴隨著 NLP 技術(shù)的進步，語音助手已經(jīng)能很不錯地完成聲紋識別、多輪對話、語義理解等復(fù)雜任務(wù)了，但距離自然交流顯然還有一定的差距。動不動就“我聽不懂”“難倒我了”，娛樂消費產(chǎn)品會被棄之高閣，萬一企業(yè)不小心聘用了這種“智障型”AI 助理為消費者提供服務(wù)，難以達到普通用戶期盼的準(zhǔn)確無誤、近似真人的交互效果，帶來的就可能是訂單的損失和品牌口碑的下跌。

針對這些 AI 語音助手在產(chǎn)業(yè)端、市場端的落地尷尬，存不存在可能的解決之道呢？從“工具人”轉(zhuǎn)變?yōu)椤皵?shù)字人”，讓用戶從“聲控”轉(zhuǎn)變?yōu)椤邦伩亍?，就是騰訊數(shù)字生態(tài)大會上給出的一個十分吸睛的解題思路。

讓用戶跟 AI 多聊兩句，數(shù)字助理需要具備哪些超能力？

“如果那笙哪里做的不對，主人不要嫌棄我我有在努力呢”——試問聽到這種對話，你還會吐槽語音助手偶爾出現(xiàn)的小失誤，甚至還有點想反思自己是不是過于吹毛求疵了呢？

沿著這個思路，我們可以看到形象化之后，騰訊云小微在數(shù)字助手領(lǐng)域都打造出了哪些超能力：

1. 語音+視覺交互，借助騰訊系海量 IP 打造出各種形象、生動、貼近現(xiàn)實需求的形象，提升交互頻率，從而真正有效地減輕人類工作負(fù)擔(dān)。比如疫情期間，就有老師表示希望有分身到每個學(xué)生身邊指導(dǎo)他們，而數(shù)字助理的擬人化交互恰好可以完成這一任務(wù)；

2. 豐富的知識體系，利用知識圖譜與深度學(xué)習(xí)技術(shù)，數(shù)字助手可以快速調(diào)用海量信息，完成問答、資訊等服務(wù)，再通過擬人化的形象輸出給用戶，人們會在服務(wù)過程中對技術(shù)產(chǎn)生一定的包容和理解。為故宮打造的清朝內(nèi)閣大學(xué)士“福大人”，就擔(dān)任起了知識淵博的游覽助手；

3. 個性化情感關(guān)系：智能語音助手等新鮮事物的核心受眾群以年輕人為主，而隨著國漫崛起，年輕人對標(biāo)新立異的虛擬形象更感興趣。而對于渴求增長與變化的企業(yè)來說，與其按部就班地在聲音世界里打轉(zhuǎn)， 尤其是在線上化業(yè)務(wù)增多，用戶的交互頻率和方式增長的情況下，年輕市場也需要新的服務(wù)形態(tài)來被重新激活；

此外，伴隨著產(chǎn)業(yè)數(shù)字化程度的推進，企業(yè)想要在數(shù)據(jù)洪潮中傳達出具象的品牌形象，新的視覺載體是不可或缺的。消費者的行為和決策鏈路也在數(shù)字世界中變得更加隱蔽、復(fù)雜，如何保持黏性，建立用戶與品牌的情感連接也成為應(yīng)有之義……

上述種種，或許都可以通過一個人格化、陪伴式的“數(shù)字助理”，來觸發(fā)全新的可能性。

AI 語音的下一站，開啟人機交互的“寧靜時代”

技術(shù)領(lǐng)域有個名詞叫“寧靜技術(shù)”，簡單來說就是通過對用戶的情景感知能力，最小化用戶的注意力，讓人機交互變得隱匿和不可見（invisible）。

就像進入電梯間之后按下樓層鍵一樣，已經(jīng)成為現(xiàn)代人潛移默化的慣性動作，誰還記得曾經(jīng)按電梯也是一種職業(yè)，甚至需要考證呢。

而人機之間的語音交互，也正在從“好像有點尷尬”進入到自然而然地喚起階段。接下來，就是要讓這種已經(jīng)在一些場景（比如客廳）成為習(xí)慣的事，隱匿到更大的社會空間之中，讓 AI 助手能夠在更廣闊的商業(yè)世界里與人們自然順暢地進行交流。

這既是技術(shù)發(fā)展的必然趨勢，也離不開科技企業(yè)們的不斷努力。以騰訊云小微 AI 語音助手為例，就已經(jīng)在出行、文旅、教育等等領(lǐng)域開始落地。

之所以能達成這一成就，首先來自于騰訊在語音技術(shù)上核心技術(shù)鏈的深耕。

通過 ASR、NLP、TTS 等技術(shù)，對聲音進行降噪、文本轉(zhuǎn)化、語義理解，這一才能讓 AI 助手能夠在復(fù)雜環(huán)境中依然能夠識別不同的方言或者口音。

想要達成和真人一樣的交流，機器還需要聽得懂，才能避免“所答非所問”的情況，來真正幫助用戶解決問題，成為一個業(yè)務(wù)能力強大的“數(shù)字員工”。因此騰訊除了在語義技術(shù)方面發(fā)力之外，還十分重視知識圖譜的建構(gòu)。等于為 AI 搭建了一個先驗的知識庫，讓它能夠及時調(diào)動龐大的知識儲備，更好地理解用戶言語的意圖，來顯示出“智商很高”的樣子。

除此之外，數(shù)字員工的“情商”也很重要。利用利用個性化、沉浸式的 TTS 語音合成技術(shù)，再結(jié)合虛擬人技術(shù)，將對話內(nèi)容以多模態(tài)、多層次的形式表達出來，就能很好地通過表情、動作傳達出語言的情緒，讓用戶更加可感、可知。

而這一整個技術(shù)體系要真正落地，一方面需要打通數(shù)據(jù)閉環(huán)，從而訓(xùn)練出更可靠、精準(zhǔn)的對話模型。因此騰訊云小微團隊也建構(gòu)了一套系統(tǒng)工程。從沒有數(shù)據(jù)怎么辦開始，系統(tǒng)地鉆研數(shù)據(jù)如何打通，推動數(shù)據(jù)共享，到缺失數(shù)據(jù)的采集，系統(tǒng)化地為客戶規(guī)劃了基于數(shù)據(jù)智能化目標(biāo)的數(shù)據(jù)采集和信息化建設(shè)方案。

另外，數(shù)字助理的最終目標(biāo)不是“賣萌”，而是幫助企業(yè)提質(zhì)增效，推動數(shù)字生產(chǎn)力變革，達成體驗 / 服務(wù)到業(yè)績 / 留存的真實轉(zhuǎn)化。因此要具備統(tǒng)籌全局、貫穿業(yè)務(wù)周期的能力。所以也需要對企業(yè)的全業(yè)務(wù)場景進行覆蓋，來保證無論是簡單的問題咨詢，還是復(fù)雜的業(yè)務(wù)流程辦理，抑或只是想跟數(shù)字員工閑聊談心，背后的語音技術(shù)解決方案都能夠通過正確響應(yīng)來滿足用戶所需、企業(yè)所想。在這一點上，騰訊云小微也通過流式語義+語義 VAD 技術(shù)，讓 AI 在極低時延的情況下也能邊聽邊思考。

也正是“數(shù)據(jù)+業(yè)務(wù)”的雙重閉環(huán)，形成了數(shù)字助理進入產(chǎn)業(yè)規(guī)?；哪芰ψV系，得以為企業(yè)智能化轉(zhuǎn)型全程護航。

AI 語音助手+X=無限可能

毫無疑問，數(shù)字化、智能化潮流的全面噴發(fā)，未來會有更多的數(shù)字助理、AI 助手被納入到人類的工作環(huán)境當(dāng)中。對于廣大普通人來說，數(shù)字助理的能力蝶變真的有現(xiàn)實意義嗎？

答案是肯定的?？梢灶A(yù)期的是，至少有幾種社會生活會被革新：

一是文旅導(dǎo)游。一場疫情讓旅游行業(yè)元氣大傷，而防疫的“持久戰(zhàn)”也決定了限人限流會成為一段時期依賴的常態(tài)，如何在這樣的情況下依然保持甚至超越原有的服務(wù)質(zhì)量，將基礎(chǔ)講解工作交給數(shù)字員工，就是一個不錯的選擇。未來走進景區(qū)，打開手機，也許就是一個數(shù)字導(dǎo)游引領(lǐng)我們游覽，實時講解，互動答疑；

二是家居場景。你的家里有多少智能音箱在等著落灰？年邁的父母呼喚語音助手的名字時是否還是會感到一絲尷尬？而一旦語音助手有了數(shù)字形象，被賦予擬人化色彩之后，一切可能都會變得不同。從原本的一問一答，到有情感、更自然的交流，大概率會有不少人開始發(fā)帖“我覺得家里的 AI 助理才是我爸媽親生的”。

三是教育產(chǎn)業(yè)。一進九月臨近教師節(jié)，家長群們總少不了“送禮物擔(dān)心老師不收，不送禮物擔(dān)心孩子得不到關(guān)照”的年度討論，而現(xiàn)實中，確實存在老師無法針對學(xué)生進行一對一特定輔導(dǎo)、難以記住所有學(xué)生的學(xué)情狀況、教學(xué)壓力大等情況。能化身虛擬老師的“數(shù)字助手”，無疑就是妥妥的多贏，老師們得以從機械工作中解放出來，學(xué)生們也能得到實時、個性化的輔導(dǎo)，而家長們也不用發(fā)愁怎樣才能在 AI 眼里刷存在感了。

四是智能營銷。對于企業(yè)來說，數(shù)字助手不僅僅是一位德智體美勞全面發(fā)展的優(yōu)秀員工，還可以是輔助商業(yè)營銷決策的“超級智囊”。舉個例子，一些汽車小白用戶，通過互聯(lián)網(wǎng)的消費行為偏好分析，進而設(shè)計出一些“傻瓜式”產(chǎn)品功能，比如一鍵詢問維修、一鍵呼叫客戶、智能導(dǎo)航、輔助駕駛等等，而這些用戶洞察，基于騰訊云小微所處的數(shù)字生態(tài)都可以轉(zhuǎn)化為車機企業(yè)爭取潛在用戶好感度的關(guān)鍵武器。

一個能聽會說、知識全面，又善于表達、喜怒形于色的數(shù)字員工，擁有的可能性還有很多。不難發(fā)現(xiàn)，不僅企業(yè)需要重新認(rèn)知數(shù)字助理所帶來的價值紅利，想要擴大數(shù)字助理的商業(yè)價值與應(yīng)用邊界，還需要一套體系化的平臺性技術(shù)解決方案，來降低各行各業(yè)引入數(shù)字員工的門檻及成本。

從這一點來看，數(shù)字生態(tài)大會上所展示的人機交互技術(shù)前景與商業(yè)宏圖，不是一種偶然，而是騰訊云小微從長期實戰(zhàn)與技術(shù)研發(fā)中生長出來的確定性。

騰訊云小微扳動了一下技術(shù)齒輪，人與機器如同精密儀器適配一樣，在某個瞬間發(fā)出“咔”的一聲，于是我們知道，一個全新的產(chǎn)業(yè)世界大門，開啟了……