朱飛虎 徐康生

【摘 要】智能語音平臺是在人工智能驅(qū)動下的全新信息中樞，對媒體的發(fā)展有著至關(guān)重要的作用。本文結(jié)合國內(nèi)外實(shí)踐論述了智能語音的崛起與其在媒體的應(yīng)用、智能語音帶來的媒體變革以及智能語音平臺上媒體面臨的挑戰(zhàn)，從而梳理出智能語音平臺上媒體的發(fā)展邏輯。

【關(guān)鍵詞】智能語音；新聞媒體；發(fā)展邏輯

一、智能語音的崛起與其在媒體的應(yīng)用

智能語音技術(shù)與傳統(tǒng)語音技術(shù)之間的差異在于前者是人工智能與語音媒介的融合，它旨在通過語音識別（ASR）、語義處理（NLP）、語音合成（TTS）等技術(shù)實(shí)現(xiàn)高層級的人機(jī)交互。目前，智能語音應(yīng)用的軟件層面包括手機(jī)、電視等終端的獨(dú)立智能語音軟件（如三星Bixby語音助手）及各種軟件內(nèi)嵌的智能語音功能（如搜狗輸入法中的語音輸入功能），硬件層面包括專門針對語音交互推出的硬件產(chǎn)品（如亞馬遜Echo智能音箱、訊飛翻譯機(jī)）。這些產(chǎn)品進(jìn)入市場后獲得了越來越多用戶的認(rèn)可，推動了智能語音產(chǎn)品在消費(fèi)市場的崛起?，F(xiàn)階段，智能語音已經(jīng)成為人工智能領(lǐng)域應(yīng)用最廣泛的技術(shù)之一。

面對智能語音所帶來的新產(chǎn)業(yè)形態(tài)，媒體如何把握智能語音的風(fēng)口，擴(kuò)展媒體格局則成為了一項(xiàng)重要議題。目前，從國內(nèi)外媒體的實(shí)踐來看，智能語音在媒體中的應(yīng)用主要包括三類：

（一）內(nèi)容采寫

目前，智能語音中的語音轉(zhuǎn)文字技術(shù)已經(jīng)達(dá)到極高的應(yīng)用水準(zhǔn)，以科大訊飛為例，新版訊飛輸入法在語音輸入上的準(zhǔn)確率已經(jīng)提高到98%，方言準(zhǔn)確率均已達(dá)到80%以上，且支持中英語音混合輸入。[1]這為推動智能語音技術(shù)在新聞內(nèi)容采寫上的應(yīng)用奠定了基礎(chǔ)。十三屆全國人大一次會議召開期間，人民日報就是通過引入類似的人工智能語音識別系統(tǒng)，實(shí)現(xiàn)了對直播音頻的中英文同步文本翻譯，極大地提高了新聞采寫速度，減少了人工耗時，提高了新聞傳播的效率。國家級媒體的示范作用也推動了智能語音技術(shù)在新聞媒體行業(yè)中的應(yīng)用。

（二）平臺接入

良好的用戶體驗(yàn)導(dǎo)致智能語音產(chǎn)品對內(nèi)容供給有海量的需求，對于媒體來說，一方面專業(yè)聲音內(nèi)容生產(chǎn)者可以將已有內(nèi)容庫與智能語音平臺對接，增加新的內(nèi)容流通渠道，擴(kuò)展內(nèi)容影響力；另一方面，成熟的文字轉(zhuǎn)語音技術(shù)已經(jīng)為媒體接入智能語音平臺提供了完整方案，如亞馬遜已與包括《紐約時報》在內(nèi)的多家媒體合作，使其優(yōu)秀的文字內(nèi)容能夠通過Echo智能音箱播放，訊飛則在手機(jī)端推出了訊飛有聲軟件，讓用戶可以將感興趣的文章轉(zhuǎn)化為語音進(jìn)行播放。

（三）智能交互

在傳統(tǒng)媒體時代，用戶進(jìn)行內(nèi)容消費(fèi)的邏輯是隔斷式的“確認(rèn)—閱讀”，而智能語音則提供了一種全新的交互式內(nèi)容消費(fèi)方式，即連續(xù)性的“詢問—聆聽”。一方面，這意味著用戶可以發(fā)揮主動性，通過語音交互隨時獲取自己感興趣的內(nèi)容；另一方面，它讓用戶與智能語音產(chǎn)品之間進(jìn)行新聞內(nèi)容的討論成為可能，從而提升了內(nèi)容消費(fèi)的深度。這得益于智能語音技術(shù)在“整體邏輯”上的進(jìn)步。目前以亞馬遜Alexa為代表的智能語音助手已可以進(jìn)行上下文理解，為加入其系統(tǒng)的媒體提供以用戶需求為中心的新聞內(nèi)容串聯(lián)與討論。

二、智能語音帶來的媒體變革

（一）VUI化

VUI，即Voice User Interface（語音用戶界面），VUI化則是指促進(jìn)語音交互的發(fā)展，擴(kuò)展人類在圖像交互之外新的人機(jī)交互形式。誠如瑪麗·米克爾所言：“語音正在被重塑，成為人機(jī)交互的新范式，在過去75年里，每十年就有一次人機(jī)交互的重大革新，人類對機(jī)器的操作從物理手柄按鍵的物理鍵盤鼠標(biāo)再到觸摸屏，而現(xiàn)在語音成為了重要的交互方式。”[2]

VUI化意味著媒體敘事邏輯的改變，建立以語音為核心的人媒連接成為新聞行業(yè)熱門的探索方向。從目前的發(fā)展情況來看，媒體的VUI化至少在三個層面得到了體現(xiàn)：技術(shù)上，像現(xiàn)成的IOS及Android平臺一樣，以智能語音平臺為操作系統(tǒng)，并在此基礎(chǔ)上開發(fā)應(yīng)用程序的思路得到了廣泛認(rèn)可。亞馬遜開發(fā)出了基于VUI設(shè)計(jì)的Skills應(yīng)用程序，目前，包括《華盛頓郵報》《每日郵報》等在內(nèi)的眾多媒體都已經(jīng)在亞馬遜Echo音箱上進(jìn)行了應(yīng)用程序投放，截至今年3月，Alexa平臺上的Skills應(yīng)用程序已超過30000個，并且這個數(shù)字還呈爆發(fā)式增長中；[3]形式上，由于語音的特點(diǎn)，開發(fā)簡潔明了的內(nèi)容呈現(xiàn)形式顯得尤為重要，外媒Quartz便融入了亞馬遜Echo音箱的“新聞簡報（Flash Briefing）”功能，除此之外，它還開發(fā)了Brain和Kendra兩位語音機(jī)器人，用以呈現(xiàn)更適合聆聽的對話式新聞；內(nèi)容上，相對于圖像交互，用戶在進(jìn)行語音交互時，漫不經(jīng)心的操作會少得多，語義指向一般非常明確，同時，語音界面并不能像圖像界面一樣讓多條信息同時展示，這促使眾多新聞媒體在進(jìn)行VUI設(shè)計(jì)時延續(xù)了人工智能時代以大數(shù)據(jù)為核心的原則，從而盡可能地為用戶提供有用并受到喜愛的新聞內(nèi)容。

（二）場景化

場景化是智能語音平臺上媒體進(jìn)行內(nèi)容生產(chǎn)升級和用戶進(jìn)行內(nèi)容消費(fèi)升級的重要發(fā)展方向。作為人工智能的重要入口，智能語音需要“向下實(shí)現(xiàn)AI底層運(yùn)算能力調(diào)用，向上和應(yīng)用場景融合?！盵4]突破語音平臺原本只能被動由用戶觸發(fā)操作的局限，通過人工智能的調(diào)用，實(shí)現(xiàn)智能語音針對特定場景的主動預(yù)判是場景化的基礎(chǔ)要義。用戶在什么時間、什么地點(diǎn)、什么場合、聽什么、用哪種聲音角色聽、用多大音量聽、聽多長時間等效果都是智能語音可以通過場景學(xué)習(xí)的，這需要智能語音平臺為新聞媒體完善場景化分發(fā)機(jī)制，為用戶提供貼心與實(shí)用的信息。這也為由場景所帶來的除內(nèi)容消費(fèi)之外的其他消費(fèi)提供了可能性，通過場景預(yù)判實(shí)現(xiàn)定向廣告分發(fā)正是許多媒體在智能語音平臺上的變現(xiàn)思路之一。

（三）人性化

小愛、小娜、小冰……這些聽起來可愛的名字其實(shí)都是智能語音助手?，F(xiàn)在，很多語音助手不僅有名字，而且還有性別、民族、性格、音色可供挑選。比如亞馬遜Echo音箱搭載的Alexa智能語音助手便提供了多達(dá)47種真人發(fā)音和24種語言。之所以要為智能語音賦予角色形態(tài)，是因?yàn)樵跐M足基礎(chǔ)信息供給功能后，內(nèi)容消費(fèi)的人性化層級開始上升。智能語音在新聞媒體中應(yīng)用的目的不僅在于可以幫助用戶進(jìn)行資訊篩選，信息定制，成為一個信息助手，更重要的是了解用戶的喜好，成為具有親密感與溫度感的生活助手。

（四）一體化

智能語音作為物聯(lián)網(wǎng)的重要入口，能夠突破原有信息終端分散割裂的局限，將各種媒介融而為一，實(shí)現(xiàn)多終端聯(lián)動，建立統(tǒng)一互聯(lián)的媒介生態(tài)。通過家庭智能音箱可以實(shí)現(xiàn)語音操作電視、電腦、平板、手機(jī)，而同樣的，也可以通過手機(jī)語音控制其他設(shè)備。智能語音技術(shù)的多終端分布性，讓無論是近場還是遠(yuǎn)場終端都被納入智能語音生態(tài)之中，更為智能語音的媒介融合化發(fā)展提供了重要方向。20年前，尼葛洛龐帝便已預(yù)言：“20 年后，你可能對著桌上一群八英寸高的全息式助理說話。這種預(yù)想一點(diǎn)也不牽強(qiáng)。可以肯定的是，聲音將會成為你和你的界面代理人之間最主要的溝通渠道?！盵5]實(shí)際上，以智能語音為中樞，融合平面圖像甚至全息影像正是當(dāng)下智能語音技術(shù)的發(fā)展前沿。2017年5月，亞馬遜公司就推出了帶有屏幕的回聲音箱Echoshow，2018年7月31日，Line公司也推出了擁有全息形象的Gatebox智能語音助手。

三、智能語音平臺上媒體面臨的挑戰(zhàn)

應(yīng)當(dāng)說，作為一個發(fā)展中的信息中樞，智能語音平臺為新聞媒體的發(fā)展提供了新的可能性，然而，在這一平臺上，媒體面臨的挑戰(zhàn)也很嚴(yán)峻。

（一）品牌認(rèn)知

減輕用戶的認(rèn)知負(fù)荷是進(jìn)行智能語音VUI設(shè)計(jì)的首要原則，這讓如何在用戶有限的聲音記憶空間中維持對媒體品牌的認(rèn)知成為一個問題。畢竟，在海量的聲音內(nèi)容源面前，品牌屬性本來就會被弱化，更何況當(dāng)不同品牌內(nèi)容是以相同的語音助手聲音呈現(xiàn)時，媒體與用戶之間的連接將進(jìn)一步降低，這對于文字屬性強(qiáng)的媒體尤其不利。品牌認(rèn)知度的降低，實(shí)則意味著新聞媒體能動性的逐漸剝離，其在智能語音平臺上的角色開始淪為“無名的內(nèi)容生產(chǎn)者”。

（二）隱私問題

非語言符號系統(tǒng)中的語氣信息的加入，讓智能語音在認(rèn)知用戶的層面進(jìn)入了新的維度，與此同時，人們使用智能語音的頻次越來越高，人格化的智能語音讓用戶愿意更加袒露地表述自己的需求，當(dāng)一個數(shù)字化的自己越來越完整地被人工智能記錄與重繪，隱私問題將更加凸顯。而這或許不只與智能語音平臺有關(guān)，當(dāng)用戶在使用智能音箱中的應(yīng)用程序時，用戶的語音信息將同時被平臺和應(yīng)用程序接收，如何保護(hù)隱私權(quán)，如何確定統(tǒng)一的隱私規(guī)范以及隱私泄露之后的責(zé)任確定，都是未來智能語音平臺將面臨的問題。

結(jié)語

國務(wù)院于2017年制定的《新一代人工智能發(fā)展規(guī)劃》報告指出，“人工智能是引領(lǐng)未來發(fā)展的戰(zhàn)略性技術(shù)。”[6]盡管在國內(nèi)還尚未形成氣候，但可以預(yù)見的是，在人工智能驅(qū)動下的智能語音平臺將成為下一個媒體行業(yè)激烈競逐的市場，這不僅將對智能語音平臺的發(fā)展起到關(guān)鍵性作用，更將對媒體行業(yè)的態(tài)勢產(chǎn)生深度影響。媒體應(yīng)當(dāng)在充分了解智能語音生態(tài)的基礎(chǔ)上，及時融入，與智能語音平臺攜手發(fā)展。

注釋：

[1]科大訊飛推新版輸入法，1分鐘語音輸入400字.鈦媒體網(wǎng)，http：//www.tmtpost.com/nictation/3297926.html，2018-6-12.

[2]Mary Meeker：2016 Internet Trends Report，https：//www.kleinerperkins.com/perspectives/2016-internet-trends-report，2016-3-31.

[3]Bret Kinsella：Amazon Alexa Skill Count Surpasses 30，000 in the U.S，https：//voicebot.ai/2018/03/22/amazon-alexa-skill-count-surpasses-30000-u-s/，2018-3-22.

[4]智能語音作為快速崛起的人工智能入口，將會用到更多應(yīng)用場景.搜狐網(wǎng)，http：//www.sohu.com/a/243417955_100190773，2018-7-26.

[5]尼古拉·尼葛洛龐帝.數(shù)字化生存[M]. 胡泳，范海燕 譯.北京：電子工業(yè)出版社，2017.

[6]國務(wù)院.新一代人工智能發(fā)展規(guī)劃[Z].2017-7-8.

（作者單位：朱飛虎 ，安徽師范大學(xué)新聞與傳播學(xué)院；徐康生， 安徽科大訊飛股份有限公司）

責(zé)編：姚少寶