我们体验了宝马自然语音识别,还给它出了几道「附加题」

Bob 车云 2018-06-15

欢迎点击关注【车云网】


 
多视频预警!


宝马在设计iDrive (智能驾驶控制系统)时,始终坚持的一个原则是「不分心」。2011年,当时的宝马人机界面负责人Bernarhd Neidermaier在一次交流中提到,设计师们心里其实有一条水平参考线——显示相关的都在线上,控制相关的在线下。他们努力将两者剥离,目的是尽可能地减少低头看屏分散注意力的时间,并且保证驾驶员用按钮控制时,不用倾斜身体或者抬起手臂。


这种把显示与控制剥离的设计,一直被沿用了下来。


另一种让驾驶员避免分心的办法,就是在车内引入语音交互。毕竟语言最接近人类的交流习惯,如果和你说话的系统足够聪明,一句指令就能清楚地指向一个功能,反复查看屏幕和手动操作的时间,都可以节省下来。


2016年CES(消费电子展)时,宝马带来了为中国用户开发的自然语音识别系统(NLU,Natural Language Understanding)。这项技术最先在3系和7系上应用,之后又延伸到了品牌旗下的更多车型。过去几天,车云菌体验了一辆宝马320i的自然语音识别,对这项功能的表现也有了更加直观的体会,在这套语音系统常规表现之外,还给它布置了几道小有挑战的「附加题」,大家也可以看看这套系统的表现。


先来认识一下宝马的这套自然语音系统


自然语音技术不是一蹴而就,宝马引入车载语音技术已经有很多年了。因为语音识别本身就是iDrive系统的一部分,所以语音控制体验和整个车载娱乐信息系统以及一些车辆辅助(比如空调等)紧紧联系在了一起。


据资料显示,第一代iDrive就可以用语音来控制导航和音乐,随后宝马又分别在2007年加入了语音拨号,2011年增加了文字转语音读电邮、短信等功能。


这个阶段,宝马使用的还是「条目式语音」,控制模式很像用鼠标去逐个点开系统页面,而且每次该说什么都要严格遵守规定。假如你要听手机上ColdPlay演唱的Viva la Vida,那就请依次说出「USB-按艺术家-ColdPlay-按歌名-Viva la Vida」吧。


2012年,语音功能迎来了一次大更新。宝马宣布开始使用Nuance的Dragon Drive(声龙驾驶)。这是一套「本地+云端」的混合系统。因为获得了云端强大的运算能力,语音交互不再受限于本地的存储和算力,语音识别率和速度都有了显著提升。


当时视频展示的语音交互已经开始简化,虽然依旧需要先说出「导航」这个命令大类,但用户已经可以在地址页面按要求,一次性输入完整的目的地地址。


2018款宝马320i的iDrive系统,用户可勾选是否通过服务器进行语音识别,来提升语音交互的体验。


更重要的是,云服务让语义理解变得更加容易。在2016年宝马揭晓最新一代自然语音系统时,交互已经在努力接近人与人之间的对话。导航时,系统已经可以根据「附近的加油站」这类模糊指令,给出一个非常接近答案的地址列表。


而且交互逻辑中,完成某个任务期间的多轮语音沟通不用多次唤醒。只要界面左上角的语音标识一直处于点亮状态,你就可以一直顺着引导,把任务完整布置给系统。因此在用户端体验上,宝马早期语音交互的那种机械感已经被大大稀释。


2016年发布的宝马自然语音识别通过方向盘上的语音按钮唤醒,可以用于导航,搜索POI,打开音乐广播,拨打电话,发送信息,查询车辆和生活信息等。在每个大类中,语音还可以控制更加细分的小功能。



上面这个视频可以让你直观感受一下整个语音交互过程,系统对答和提醒的女声语音听起来较为舒心,理解任务的成功率也比较高。在连接服务器的情况下,语音识别和语义理解的延迟可接受,系统思考的时间几乎不易觉察。


4道语音考试「附加题」


除了常规体验之外,我们为这套语音系统准备了几道附加题,更像是有趣的极限挑战,可以让大家对系统有更深入的发现。


1. 强噪音


对于车载环境,降噪是一项很重要的命题。因为行车时特有的发动机声,开窗时的风噪,车内其他人的说话声,都会干扰最终的语音交互效果。


常规测试车载语音系统的降噪能力,是在高速行驶时开窗测试。我们选择了更苛刻的条件——在驻车状态空调风力全开的时候,随意使用车载语音功能。因为空调最大风量时发出来的噪声非常大,而车机和空调出风口临近,会受到很大的干扰。


上面全功能视频的后半段(05:20起),是空调风量全开时的功能体验视频,拍摄时一镜到底,云端识别处于开启状态。其中,打开关闭空调、按距离筛选POI结果是车载语音原本不支持的功能,返回结果失败的原因不是噪音导致。总体看来,在非常恶劣的环境下,宝马这套车载语音的表现不错。


2.打断和修改


在熟悉和机器交谈后,系统的语音回复显得过于冗长。你会在机器说完所有内容之前,就下意识地打断它。宝马的自然语音识别在一些环节支持打断,可以兼顾需要解说和简化沟通的需要。


同时在语音识别、语义理解难免出错的时候,手动修改错误结果也是一个比较苦恼的问题。删除和重输入过程十分繁琐,使用宝马自然语音识别系统的语音修改,可以提高沟通效率。


在拨打电话这个任务中,我们随机测试了连续打断和修改方面的表现,测试时是车窗关闭的驻车状态,同时云端识别开启。




3. 不连网


这款车载语音产品是一个混合导航。目前这套系统的导航POI(兴趣点)数据优先从云端获取。为了避免车处在隧道、停车场等信号不佳区域导致的体验欠缺,车辆本地也会存放一部分导航数据,但一般而言输出结果需要更长的时间。


非联网状态POI搜索的表现,上图仅展示搜索步骤,不代表系统反应时长(整个过程约20s)


我们关闭网络,测试了非联网状态POI搜索的表现。结果发现,本地处理时间有了明显增加,系统思考的每个步骤都在屏幕上展示了出来。首先非联网带来的时延,车云菌觉得对驻车状态的搜索不会造成太大困扰,但如果在行车过程操作,很有可能会导致错过路口,路线重新规划。对于把每一步都展示给用户的做法,车云菌认为反倒对用户理解系统是一种帮助,毕竟在本地状态下,语音识别过程的拉长,很容易造成「功能不可用」的误解。


4. 多意图指令


单一意图的语言指令,宝马的这套系统已经有不错的识别表现。但这并没有满足我们的好奇心。根据习惯,我们常常会使用多意图的语音指令,比如「提醒我明天下午给车云菌打电话」,对系统来说,挑战就是分辨该「打电话给车云菌」还是「给备忘录中增加一个提醒」。


在下面这个视频,我们试了这样一组指令。通过不同地名的排列组合,让系统试着去分辨我们的真实意图。对于这道题,系统没能成功给出逻辑上正确的结果。语义理解是目前语音技术在重点突破的方向,要让语音系统真正识别驾驶员的意图,还需要更多的数据和更强大的神经网络架构。




- 导航到天安门
- 导航到西单
- 我要去天安门,不要去西单
- 我要去西单,不要去天安门
- 我不要去天安门,我要去西单
- 我不要去西单,我要去天安门
- 我不要去天安门,也不要去西单
- 我要去天安门和西单


车云小结


宝马最早开始在量产车上使用语音交互的车企之一,并且这项功能已经普及到了品牌旗下的众多车型。语音技术的持续发展,为驾驶员创造了更智能化,情景化,以及更加主动的体验。随着智能汽车角色的转变,语音会发挥的作用一定会越来越大。




车云联合30位行业专家

历时18个月精心打造

李骏、安庆衡、陈安宁倾情作序

徐和谊、徐留平、李书福、王传福、冯兴亚、李斌、汤恩、赵福全、王小川、吴声联袂推荐



车  云  推  荐


    本站仅按申请收录文章,版权归原作者所有
    如若侵权,请联系本站删除
    觉得不错,分享给更多人看到