Sugr的回答：智能音箱只是開始，中美語音交互有何不同？

　　Sugr的回答：智能音箱只是開始，中美語音交互有何不同?

　　Sugr的CEO宋少鵬在西南偏南的臺上講了一個故事：他的一個客戶找到他，想要修復剛剛壞掉的智能音箱，宋少鵬提出給他換一臺新設備，卻被拒絕;用戶的理由溫情融暖，十歲的孩子一直都在用這臺音箱，孩子把它當做伙伴，舍不得。

　　似乎剛剛走向普及的語音交互技術，等不及太久，竟然一下子從“工具”進化成了“伴侶”。

　　2014 年，亞馬遜發(fā)布搭載 Alexa 的 Echo 智能音箱，語音交互有了更合適的落地場景。經過幾年的功能迭代，生態(tài)鏈逐漸成熟。2017 年人工智能技術飛速發(fā)展，語音交互在AI的帶動下變得越來越智能，智能音箱走進了千家萬戶。

　　據相關調查報告顯示，大約有3900萬美國人擁有智能音箱產品，這個數字占到了美國總人口的六分之一。

　　這股風潮當然也刮到了中國。在Echo發(fā)布后，Sugr主動擁抱Alexa平臺，成為國內第一個通過亞馬遜認證的智能音箱產品，并與Alexa平臺合作，向其他客戶提供多款完整的智能語音交互解決方案Sugr Sense，可以滿足包括智能家居、IOT、車載等不同應用場景的產品開發(fā)與快速量產。

　　在美國西南偏南大會(SXSW)，這個科技和音樂的藝術盛典上，宋少鵬帶來了他的分享，探討語音交互的未來、中美語音交互使用習慣的差異，以及語音交互在中國的落地。

　　Sugr CEO宋少鵬在西南偏南演講

　　西南偏南 極客公園IF大會現場

　　語音交互是下一代操作系統(tǒng)

　　Sugr團隊認為，語音交互會成為下一代的操作系統(tǒng)。宋少鵬提到，這和人機交互的進化規(guī)律有關。從 PC 時代的鍵盤鼠標，到智能手機時代的觸屏，人操控外界環(huán)境的效率一直在上升，能耗在降低，而語音交互是一種更簡單、更自然的交互方式，也符合這樣的規(guī)律。所以，語音交互會成為下一代的操作系統(tǒng)。

　　從音樂產品的迭代來看，也可以印證這個規(guī)律。在古代，熱愛音樂的人去欣賞音樂，需要駕著馬車到音樂廳或者歌劇院。后來留聲機的發(fā)明讓人們可以躺在家里聽音樂。到了 iPod，大家可以把1000首歌裝進口袋，手指一滑，就可以欣賞喜歡的音樂。到 2014 年 亞馬遜發(fā)布Echo智能音箱，人們只需要動動嘴就能得到自己想要的音樂，能量消耗進一步減少。

　　語音交互降低了人跟物理世界交互所需的能耗，這個趨勢是符合產品迭代規(guī)律的。

　　中美的智能語音交互和而不同，場景和用戶習慣會塑造產品形態(tài)

　　雖然Sugr團隊認定語音交互會成為下一代操作系統(tǒng)，但智能音箱在中國的落地并不能完全照搬美國的做法。環(huán)境變化，對產品的需求自然也不一樣。

　　在宋少鵬看來，音樂消費的DNA不同，導致了行為習慣的差異。他提到，美國的音樂消費者是成長于汽車上的黃金一代，汽車上都配備收音機，他們的音樂消費是從聽收音機開始的。大家習慣了這種背景式的、實時存在式的播放，在任何一個生活場景里面都想要有音樂的存在。這種情況下，他們更喜歡歌單推薦、流媒體的音樂形式。

　　中國的音樂消費者最初接觸音樂是源于80年代初期改革開放，港臺音樂以盒帶和卡帶形式大量流入內地，大家接觸音樂是一個歌手的完整專輯，里面有各種各樣的曲風，但很少有合集和混編。所以他們更習慣于點播式的音樂消費。

　　智能音箱在美國的誕生并不是偶然，它解決了家庭環(huán)境聽音樂的痛點，可以讓音樂一天不停地播放，而流媒體形式的聽歌習慣不需要太多操控，對語音交互的語義理解能力要求就沒那么高。所以美國的公司才能以「最小化可實現原型」的形式，迅速推出智能音箱這樣一個產品，來滿足用戶的需求。

　　音箱本來是被動播放音樂的產品，人工智能和語音助手的加入使它能夠主動獲取信息，并和人產生交互，成為一個流量的入口。隨著技術的進步，它又開始加入家居產品的控制功能，逐步成為智能家居的中控，這樣就有了很大的想象空間。

　　Amazon有Alexa，Google有Google Assistant，Apple有Siri，騰訊百度阿里巴巴也都有自己的智能語音助手。巨頭的加入讓整個生態(tài)鏈更加完善，智能語音交互也開始有了更多的應用場景，從智能家居、兒童看護、IOT物聯(lián)網、車載;隨之而來的，還有更多適應這些場景的產品落地形態(tài)。

　　不只產品，而是完整體驗

　　在目標明確，道路明晰之后，Sugr將精力投入到語音交互產品的落地工作中。他們的音箱成為國內第一個經過Alexa認證的智能音箱產品，后來開始和亞馬遜團隊進行合作，給想進入Alexa平臺的產品提供技術解決方案。Sugr 團隊將自己在語音交互產品上的經驗打包，從做C端產品轉型為做B端的方案。

　　Sugr 團隊推出的 Sugr Sense 方案是一個完整的智能音箱解決方案，包括 Wi-Fi 模塊，底層技術，操作系統(tǒng)，還有語音 Skill，是軟硬結合的全棧式解決方案。這其中有一套單麥克風的解決技術，是目前全球唯一一套可以通過Amazon嚴格測試并認證的單麥克風解決方案。這項單麥克風解決方案在Amazon的測試環(huán)境里擁有不錯的成績，在9英尺的環(huán)境下(2.74 米)，普通辦公或者是家居環(huán)境下，喚醒響應率能達到 100%，在9英尺的距離，在設備自身播放音樂，AEC(自適應回聲消除)場景下，正確響應率達到了98%。

　　除此之外，還有多款可適用于智能家居、IOT、車載等不同應用場景的完整解決方案，不但可以降低行業(yè)門檻，還可以提升整個行業(yè)的效率。

　　從產品接入Alexa，到和亞馬遜合作，幫助其他的產品接入Alexa，Sugr認識到 Echo 的成功不能簡單歸結為單純的產品或技術進步，而是一整套用戶體驗方案的解決。而這些經驗對智能音箱在中國的落地有很大的借鑒意義。

　　正如前面所說，在中國點播音樂是常態(tài)，這需要更強大的語義理解能力，更豐富、更深入的音樂知識圖譜，以及更完善的音樂版權和曲庫。還有使用場景的不同，美國家庭大多是中央空調系統(tǒng)，而中國的空調大部分為獨立的壁掛式、落地式空調，如果音箱作為智能家居的中控，對于空調的控制場景是不同的。在中國做智能語音交互產品，照搬亞馬遜是不行的，需要融入更多關于產品使用場景、用戶交互習慣方面的思考。

　　未來是智能語音交互的時代

　　當冰冷的科技與人文發(fā)生碰撞而開始有了溫度，陪伴的意義就超出了技術的范疇。

　　伴隨著智能手機、觸屏長大的孩子們，看見什么都想點一點;而我們的下一代將是成長在語音交互時代的。也許，智能語音交互會改變的，不僅僅是我們和數碼產品之間的交流方式，也正在悄悄的影響著我們人與人之間的互動。