電池升級(jí)，場(chǎng)景拓展

這次系統(tǒng)率先升級(jí)的主要是三款產(chǎn)品：天貓精靈CC10電池版、天貓精靈CC MINI和IN糖2智能像素屏音箱，我們首先入手的還是把玩過很多次的天貓精靈CC10電池版。比起之前的天貓精靈CC10，天貓精靈CC10電池版家庭智慧屏最大的提升便是植入了一塊5000mAh超大電芯，可貴的是，整個(gè)體積沒有絲毫變化，后仰式L形造型靈動(dòng)穩(wěn)重，也非常節(jié)省占地空間。電池的植入，讓這款智能家居的交互入口不再懼怕停電的困擾，在全屋移動(dòng)使用的特性也大大擴(kuò)展了它的應(yīng)用場(chǎng)景。作為家庭助手，它能夠在從書房到臥室的過程中依舊實(shí)現(xiàn)全程控制，也可以在廚房或餐桌上成為主婦的最愛，不論何處都能滿足全家人的交互所需，而且還具備一定的戶外屬性。比如在郊外遠(yuǎn)足或駕車旅行時(shí)，借助手機(jī)熱點(diǎn)，天貓精靈依舊可以全天候地收看豐富的內(nèi)容資源。而且其大電池的設(shè)計(jì)完全可以輕松滿足數(shù)小時(shí)的影片觀看。

解讀多模態(tài)交互

在之前的CC10版本上，我們便能通過語音、觸控等方式實(shí)現(xiàn)交互，如今搭載全新系統(tǒng)的CC10支持“唇動(dòng)喚醒”、“揮手喚醒”等喚醒方式，而用戶則不需再喊出“天貓精靈”的喚醒詞便能與其進(jìn)行直接交互，加上全領(lǐng)域應(yīng)用的全雙工自然對(duì)話技術(shù)，讓人和機(jī)器的交流過程全面“擬人化”。

縱觀近兩年的智能音箱產(chǎn)品，交互方式依舊有限，基本停留在語音、觸控之上，而且業(yè)界的研究步伐基本上停留在解決視覺、語音等單一模態(tài)的交互精準(zhǔn)度問題上。形成這樣的局面其實(shí)很好理解，在一個(gè)上升市場(chǎng)上，采用成熟方案便能掙到錢，似乎開發(fā)提升用戶體驗(yàn)的新功能便不那么必要。但是，在用戶體驗(yàn)上能夠大膽突破的無一不是行業(yè)中的佼佼者——比如拿出iPhone的喬布斯。用過這么多的智能音箱之后，我經(jīng)常會(huì)感受到智能音箱不夠聰明。答案其實(shí)很簡(jiǎn)單：在當(dāng)前的人工智能水準(zhǔn)下，單方面提升單一模態(tài)的識(shí)別準(zhǔn)確度并不那么有效，特別是機(jī)器學(xué)習(xí)需要過程，用戶使用習(xí)慣千差萬別的情況下。以語音交互為例，并不是機(jī)器的計(jì)算力不夠，而是機(jī)器不知道何時(shí)該“聽”，何時(shí)該“看”，導(dǎo)致無法接收到有效的信息，才會(huì)給出“笨拙”的決策和反饋。以往我們總是通過喚醒詞來提示機(jī)器，這樣的交互不僅機(jī)械化，而且經(jīng)常出現(xiàn)我上述提及的尷尬狀況。

在天貓精靈之上開啟多模態(tài)“自然喚醒”的功能后，只需要盯著機(jī)器張嘴說話，天貓精靈會(huì)自動(dòng)識(shí)別出用戶的唇動(dòng)、眼神朝向、表情動(dòng)作等視覺信息，對(duì)照用戶語音便能做出準(zhǔn)確的反饋，而不需要喚醒詞的幫助。雖然真實(shí)生活場(chǎng)景中，還會(huì)受到人臉距離、光線等因素的影響，但是它開創(chuàng)了人機(jī)交互“自然喚醒”的一個(gè)新的里程碑。升級(jí)到5.0的AliGenie系統(tǒng)，正是智慧家庭領(lǐng)域的破冰者。這是智能音箱（智慧屏）上首次將唇動(dòng)、手勢(shì)、語音語義等多種形態(tài)的交互信息融合在一起，通過機(jī)器的深度學(xué)習(xí)和多模態(tài)感知的方式來理解用戶的交互意圖，并及時(shí)給出反饋的創(chuàng)舉。而這樣的創(chuàng)新誕生于阿里旗下其實(shí)并不奇怪，“巨大投入+突破性思維”正是阿里巴巴一直以來在各個(gè)領(lǐng)域占據(jù)高點(diǎn)的基礎(chǔ)。應(yīng)用在天貓精靈CC10電池版上的AliGenie5.0系統(tǒng)，正是業(yè)內(nèi)第一次把“多模態(tài)喚醒”從概念落地到了使用場(chǎng)景，也是業(yè)內(nèi)首次應(yīng)用在消費(fèi)電子產(chǎn)品上。

唇動(dòng)喚醒是什么黑科技

在理解了多模態(tài)喚醒概念后，我們?cè)賮砜纯刺熵埦`CC10電池版所擅長的唇動(dòng)喚醒功能。其實(shí)這個(gè)功能已經(jīng)充分考慮到用戶的使用場(chǎng)景，將識(shí)別范圍分成了“近場(chǎng)、中場(chǎng)、遠(yuǎn)場(chǎng)”。在1米左右的距離下，適用于唇動(dòng)識(shí)別;在1～1.5米的距離下，適于揮手喚醒，其實(shí)也就是模擬人們見面打招呼的形式，揮手即可說話;而在遠(yuǎn)距離下，還是采用傳統(tǒng)的語音喚醒詞“天貓精靈”。

還有一點(diǎn)非常有意思的是，用戶還要可以通過手勢(shì)隔空操控CC10，比如上一個(gè)、下一個(gè)、暫停、播放、點(diǎn)贊、退出、靜音等操作，比如對(duì)著機(jī)器比劃“噓”的手勢(shì)，就可以馬上讓天貓精靈靜音，是不是非常人性化！

天貓精靈的團(tuán)隊(duì)反饋中提及，融合嘴唇、語音的動(dòng)態(tài)信息識(shí)別，在免喚醒的對(duì)話情景下，能夠幫助機(jī)器過濾掉90%以上的環(huán)境背景干擾信息，多模態(tài)唇動(dòng)喚醒的整體準(zhǔn)確率可在實(shí)驗(yàn)場(chǎng)景下達(dá)到99%。在實(shí)際使用中，只要在光線充分的情況、周圍噪聲不太大的情況下（測(cè)試環(huán)境50～60dB的噪聲），CC10幾乎毫無誤差的識(shí)別我的每一個(gè)語音命令，而以前使用過的智能音箱或多或少會(huì)有識(shí)別不準(zhǔn)的情況。

令人意外的用戶反饋

在收到植入了AliGenie5.0的CC10之后，我將其推薦給數(shù)位發(fā)燒用戶。除了一位全職媽媽對(duì)其贊不絕口之外，她做設(shè)計(jì)師的先生也對(duì)天貓精靈給予了好評(píng)。他的意見是這種有親和力、高度擬人化的交互產(chǎn)品非常適合手上經(jīng)常不得空閑的他使用;而另一位理科直男更是詢問我能否為公司的會(huì)議系統(tǒng)開發(fā)這樣高效的交互產(chǎn)品，目前使用的會(huì)議系統(tǒng)價(jià)格不菲，而且交互識(shí)別率遠(yuǎn)遠(yuǎn)不如天貓精靈。

其實(shí)我的感受也與這幾位朋友相同，天貓精靈的多模態(tài)交互其實(shí)遠(yuǎn)遠(yuǎn)不止于應(yīng)用在家庭之中，在商用領(lǐng)域上也有著巨大的應(yīng)用前景。