这两天，一个山东大哥居然对着自己的车子喊：滚，去死，X 死你娘……

　　这是这两天网上特别火的一个视频。让这位大哥动怒的原因是，他的手机欠费，但他车里的安吉星系统可以用来拨打电话。没想到语音拨号的过程让他十分抓狂，所以在视频的后半段我们就欣赏到了非常有气势的脏话。

　　大家都喜欢看别人被捉弄，更别说是被机器捉弄。这个视频火了也不奇怪。

　　男主开的是一辆凯迪拉克的 ATS（低配的），标配了安吉星系统，在这个视频里，他用到的是安吉星的「音控免提电话」功能。在安吉星官网上是这么说的：这个功能可让您在车内轻松拨打和接听电话，解除您驾驶中手持电话通讯的安全隐患。

　　那么，让男主破口大骂的原因在哪？

　　先让我们把问题细化一下。首先，安吉星本身其实是「躺枪」了。虽然这个免提电话功能是包括在安吉星服务里的，但是从语音输入到拨打电话的全过程，都跟安吉星没什么关系（打安吉星的客服电话问问就知道了）。在这个视频里，男主并不是和安吉星呼叫中心的话务员对话，而是在和车子对话，由车机本身来进行语音交互，然后再进行拨号。实际上这个视频的问题指向的是「车内语音识别」，这属于「人机交互」的一部分。

　　口音是罪魁祸首吗？

　　首先当然是大部分人的槽点：口音问题。

　　提起语音识别，很多人认为，在中国做语音识别很难，因为方言口音众多。实际上，像科大讯飞这样做语义识别的公司在方言识别上做了很大的努力，语音识别系统在手机端有不错的方言识别能力。

　　但是，口音并不是「罪魁祸首」，问题出在使用场景上。在手机上的语音识别，很多是通过云端来完成的，所以能有比较好的表现。但是，目前大部分汽车并不具备网络连接能力，即使有这个能力，语音识别也大多是通过车机本身来完成的，没有云端参与。

　　那假如云端来帮忙呢？就拿视频里的这个场景来说吧，仔细看的话会发现他们是在高速上行驶的。这种情况下会遇到的问题是，网络信号要在不同的通讯基站之间快速切换，网络的稳定性比较差，并且高速行驶的时候车内噪音大，声音采集和识别的难度比静态条件下大得多。

　　比如车厂的一些测试标准：在 120km/h 时速下，打开窗户，并且空调风扇开到最高，此时识别率要求超过 90%，等等，这只是众多测试中很小的一项。

　　事实上，这辆凯迪拉克的语音识别也并没有云端参与，而是在车机端进行处理，它使用的是 Nuance 的语音识别技术，Siri 用的也是他家的技术。

　　在这个视频里，口音当然是原因之一，但是高速行驶、没有云端参与语音识别等等，都是非常重要的原因，而且这并不是个例。

　　操作繁琐

　　使用安吉星的「免提电话」，操作流程是这样的：按下车内后视镜上的白色电话按钮，然后说出指令「拨号」，在听到「请说号码」的反馈之后，说出要拨打的号码，然后系统会复述刚才的号码，如果识别正确，用户说出「拨号」来进行确认，即可拨出电话。

　　另外还有一种方式，如果已经在系统里存储了联系人的电话号码，只需要说出联系人姓名就可以进行通话。

　　从视频里可以看出来，这个山东朋友虽然基本操作是对的，但是并没有特别好的遵守语音操作流程，比如，系统提示他说出号码的时候，他仍然在重复「拨号」的指令。而且显然他没有存储过这个电话号码，也许他压根就不知道怎么操作。

　　不过，这也不能全怪男主，因为绝大部分车子的语音交互都存在两个问题，一是必须按照机器设定好的语音指令操作，不能想说什么就说什么；二是必须跟随系统的提示一步一步操作，不能一步到位，流程繁琐。

　　简单的说，就是车内的语音交互，在「全局语音搜索」和「自然语义识别」这两方面做的很不好。什么叫好？可以下载一个叫做「出门问问」的 App 感受一下。

　　但是，即使是在现有的技术条件下，也是可以对繁琐的流程进行优化的。比如在视频里，车子在说错号码的时候，男主不停的「纠正」「纠正」，但是系统仍然「我行我素」，其实后续的复述都是在浪费时间。如果设置一定的「热词」机制，发现错误及时重来，会节约很多时间。

　　可能很多人因为男主的戏弄而高兴，但是从我们的立场来看，这反映了一个很无奈的现实问题：车内语音交互并不好用，甚至是很难用。这种事「搁谁谁都上火」。

　　在汽车里使用语音进行交互是一个趋势，但是现在仍然有很大的问题存在。至于这个视频是安吉星的软广，还是竞争对手故意拿来黑他们的，这都不重要。

　　重要的是：改！