“我坚定的不看好智能音响作为语音的入口，Echo 自己也不看好，要不然干嘛推出 Echo Show？” 蓦然认知联合创始人龚思颖反问道。
在她看来，现在语音入口的设备，包括电视、手表和眼镜，最终的形态现在依然没有定论。但她坚信的一点是，要让语音真正落地，成为被用户所接纳的最常用交互方式，最终要解决的是用户头部需求。
“不论是查天气还是查时间，都非头部需求，这些需求只是一种测试语音助手基础功能的最基本条目，而衣食住行是用户的基本需求，沟通需求也是用户的基本需求。许多专注语音的团队都将目标定位在家居、车载等方向上是有道理的，比如在车载环境下，打电话、发短信就是头部需求，而在家居场景下打电话和发短信就没有那么重要了，起码在电视上没那么被需要了。在衣食住行场景下，分别对应着不同需求：语音购物、点餐、订餐馆、订酒店、预订出行飞机票以及景点门票，都是大众的生活服务需求。”她说。
在此基础上，龚思颖告诉雷锋网，最近，蓦然认知做出了第一个语音对话购物服务，用户可以通过对话实现订咖啡、订外卖、购买电影票以及一系列多维度的购物需求。
“我们 9 月 15 日开了一个大 Party，所有的闭环研发人员都有参加，大家围在电视旁用对话买买买，订了晚餐和夜宵，还有周末电影票。本身做闭环的小哥一边演示一边接受询问，产品和测试当场也记下来一些产品改进意见和 Bug 。语音对话闭环就是在不断调试、测试中成长起来的，解决的都是头部需求。 ”
不过，不同于诸如 Magic 这种助理型产品，MOR 全部以 AI 语音交互完成服务，全程无人工干预。据其介绍，其可规模化程度高，运营成本低。
现有的服务闭环是基于屏幕的手触操作，在手触之外扩展了语音对话的交互，可以满足用户在更多生活场景下、不同需求下的交互方式。以订咖啡为例，只需说上一句“给我订一杯拿铁”，MOR 就可以将咖啡送达到用户手上，如果你有“加奶不加糖”的需求，也只需要再说一句需求即可。当然，语音交互还能实现多硬件移植，没有屏幕也可以实现交互。
不过，GUI 与 VUI 结合才能为用户带来更好的体验。 虽然无屏交互在 Alexa 中也曾应用，但它的语音购物为人们所诟病，比如，它只能做到一键购物，购买之前买过的东西，此外，由于屏幕交互的时候是一目十行，速度上明显要快于语音交互，“尤其在音响上用纯语音购物，这种方式就已经被行业认定为是一个失败的案例。”龚思颖说道。
因此，之后的 Echo 则变成以屏幕交互和语音交互相结合，在最近暴风发布的新一代 AI 电视里的语音对话购物与此类似，而它在语义理解部分的技术方案由蓦然认知提供。
不过，GUI 跟 VUI 的结合也面临一些挑战，最难的还是同步问题，但蓦然认知目前也有自己的解决方案去做进一步优化。
“因为中间的语音理解、语义理解就已经很难了，然后你把 VUI 做完之后，它有时不能快速告诉用户想要的结果，你也只能够以语音对话的方式交互。但这样，有的时候我就是觉得我按一下更快，那这个时候就叫 GUI”，如果只做 GUI，就跟传统的方式没有任何区别，龚思颖向雷锋网(公众号：雷锋网)解释说 。
还有一点是要改变用户传统的 GUI 方式，改变用户习惯是一件循序渐进的事，他们要做的就是让语音交互成为主导，从而增加用户黏性。
除了上述问题，龚思颖向雷锋网表示，就上下文对话的语义理解这项技术而言，在整个行业里都是一个难点，“95% 以上的（AI）公司都会被排除在外”，她的隐含意思很明显，另外的 5% 必然有蓦然认知一席之地。其次，如果要解决衣食住行这些庞杂的头部需求，就要有一个强大的知识图谱来支撑，此外，因为要接不同的服务，“系统就要有一套快速可移植的对话模型，而不只是像以前单纯的写规则。”
作为一家在商业模式和市场拥有清晰定位的创业公司，龚思颖表示，蓦然认知今年依然还是瞄准智能车载和智能家居行业，他们在智能车载中的产品在逐渐落地，在未来，他们会继续将语音与生活服务结合在一起，更好的完善语音对话购物。MOR 也会集成于汽车、家居等硬件设备上，为用户提供人机对话及决策服务，打造一个可快速移植、实时学习、多场景融合的对话交互及决策系统。
本文作者：王金许
本文转自雷锋网禁止二次转载，原文链接