“外国的Siri都没戏了，还中国的Siri呢。”在去年一场语音技术大会上，一位业内大佬私下对记者说，说完后就开始上台鼓吹语音助手的未来。

在业界大佬和投资人们的吹捧下，语音应用的大饼被越画越大，2012年随着Siri支持中文，又一波创业者投身其中，各家迫不及待地通过各种演示来证明自己可以秒杀Siri。

然而两年过去了，在很多智能语音应用上，被放在第一位的功能仍然是“打电话给张三”、“发短信给李四”等，讽刺的是语音拨号在2000年推出的诺基亚3310上就已经被支持，除了语音识别率的数字不断升高，语音助手却并没有实质性的进步。

“这是一场持久战。”科大讯飞移动互联事业部副总经理章继东说，“未来语音应用一定会成为刚需，但是产品形态比起现在肯定会有很大的改变。”

所有语音助手总用户量仅5000万

易观智库今年5月发布的数据显示，2013年5月语音助手类应用累积下载量排行中，冲动语音助手以29.8%占比第一，其次是智能360占25.2%，而科大讯飞旗下的讯飞语点由于灵犀的分流，排名第三，占到20.1%。

虫洞语音助手创始团队成员王向一透露，目前虫洞语音助手总用户为1600万，月活跃用户在百万左右，按照易观智库的比例计算，国内所有语音助手总每月下载量仅为4442万，用户量总和仅5000万，活跃用户330多万，对目前大多数APP来说，300多万的月活跃都不是一个拿得出手的数字。

想找语音助手的问题太容易，微博、应用商店的评论中，对流量、识别率、理解能力的抱怨比比皆是，尽管语音技术的领头羊科大讯飞已经把语音识别率做到了95%，但是对语音助手而言识别仅仅是开始。

“语音交互的错误会传递，比如语音识别的准确率在85%到95%之间，语义分析的准确率在85%到95%之间，那么最后的准确率就会降到70%-90%。”语音技术提供商思必驰首席科学家、剑桥大学语音识别技术研究院俞凯说。

对多数用户而言，在使用语音助手之前，就已经承担了这10%到30%的出错风险，而这一风险再和结果的准确性叠加，准确达到目的的概率就更低。

不过这并不是语音助手们的错，要通过语音助手完成一个任务，要经过语音识别、语义解析、行动选择、任务处理、语音合成等多个环节，其中语义解析涉及复杂的自然语言处理，任务处理又涉及到搜索和大数据等技术。

目前各家各有所长，百度擅长大数据，讯飞擅长语音识别，虫洞擅长自然语言处理，但是没有一个公司能够将所有环节都做到万无一失，而其中任何一个环节的缺失，都会给语音助手的体验和效率大打折扣。

人工智能理想 vs 人机交互现实

“聪明的让人难以置信”、“全能语音助手”、“比Siri更懂中文”、“深度神经网络”等玄之又玄的描述一再出现在各类语音助手的介绍中，这使得这些软件看上去似乎无所不能，而这也给了用户过高的预期，软件开发商们希望通过夸张的描述吸引用户，却使自己陷入了另一种尴尬——语音助手给了用户一个人工智能的理想，而现实中，它只是一个人机交互工具。

“清晨，手机像仆人一样轻声说：‘主人，该起床了，今天是周五，早上要开例会，别忘了带会议报告哦。’用户随即问：‘今天路况如何？’手机回复：‘今天您的车限行，您可以坐地铁十号线直接到公司，保证不迟到。’”俞凯这样描绘下一代的语音交互技术。

俞凯介绍，思必驰已经通过上下文分析实现了多轮交互，也就是可以识别用户追问的问题，比如用户说“搜索附近酒店”，得到结果后追问“我要三星级的”，语音助手便可在之前的搜索结果之上进行进一步筛选，俞凯表示，语音交互的不确定性可以在多轮交互中有效消除。