Alexa
- Advertisment -
亞馬遜組語音助理聯盟 獨缺蘋果與Google
亞馬遜(Amazon)宣布將建立一個語音助理聯盟，邀請30多家企業加入語音互通計畫(Voice Interoperability Initiative)，為加速語音助理的泛用性共同努力。然而盟友名單獨缺蘋果(Apple)與Google。
亞馬遜的盟友包括了微軟(Microsoft)、百度、騰訊、索尼(Sony)、英特爾(Intel)、聯發科、恩智浦(NXP)、高通(Qualcomm)、Salesforce、Verizon、BMW、Spotify與羅技等，總共36家產業巨擘，將共同研究語音助理功能，他們的宗旨是要讓使用者能夠自由選擇喜歡的方式來與機器溝通。
亞馬遜創始人兼執行長Jeff Bezos表示，多重喚醒語為客戶提供了多樣的選擇，使用者可以選擇哪種語音服務最適合自己。看到眾公司齊心協力追求這個願景，十分振奮人心。
這項語音互通計畫有四個重點項目，其一是開發可以支援其他服務的語音功能，同時保護客戶的隱私和安全；其二則是構建語音功能的設備，藉由多重喚醒語的模式促進選擇多樣性和靈活性；其三是發布相關技術和解決方案，實現能在單一產品上整合多項語音服務的願景；最後則是加速機器學習(ML)和對話式AI研究以提高語音服務的普及程度、品質和互動性。
Ovum Smart Living高級分析師Mariana Zamoszczyk指出，使用者除了希望獲得更高的價值和更強大的功能之外，也希望具有高度靈活性。使用者不會希望被限定使用特定的語音，這種趨勢驅使設備製造商和AI開發人員應優先考慮與功能與其他服務的互動性，並提供更加個性化、客製化的體驗。
然而亞馬遜的語音助理聯盟眾星雲集獨缺Apple與Google，少了幾乎稱霸智慧型手機世界的Siri和Google助理，是否會讓亞馬遜的Alexa打入智慧型手機的廣大市場面臨挑戰仍是未定之天。但可以肯定的是，亞馬遜希望透過更高的裝置泛用性，以及多重喚醒語的模式，擴大Alexa的普及範圍。
亞馬遜邀請30多家企業加入語音互通計畫，為加速語音助理的泛用性共同努力。
語音世界的未來潛力
一九九○年代，網路世界是一個封閉的地方。許多使用者都用像是美國線上這類入口網站來管理自己的網路瀏覽需求，把資訊都集中在同一個入口網站上，並且列出有用的外部網站，藉此瀏覽體育資訊、金融資訊等。使用者大多是在封閉的環境裡上網，這種生態也因此稱為「圍牆花園(Walledgarden)」。後來，Google用鐵鎚擊破圍牆，推出搜尋引擎，讓大家可以自行在網路世界裡輕易找到想要的網頁。從此以後，我們便能在整個網路世界裡自由翱翔。
但是過去幾年來，有一件奇怪的事發生了。Google和亞馬遜竟然在重建花園的圍牆。Google推出即時回答，讓使用者有時不需要跳出搜尋結果頁面，就可以得到想要的資訊。Google和亞馬遜也都設計出自家的語音助理。語音助理就是一種入口網站，像是數位行銷商Huge創意總監Sophie Kleber說道：「Alexa就是語音世界的美國線上。」
Google助理與Alexa平台上許多熱門的應用程式，也都是Google或亞馬遜自行設計的。要用第三方應用程式，使用者必須先經過Google助理或Alexa。例如，使用者通常會用所謂的「呼喚語(Invocation Phrase)」呼叫Alexa技能。使用者可能會說：「Alexa，我要聽《華盛頓郵報》的頭條」，或是「Alexa，玩《危險邊緣》。」同樣地，Google助理的使用者也會說：「打開Yelp」或「ESPN上有什麼新聞？」
語音科技的重點並非取代傳統的智慧手機應用程式，而是開發新的可能。
如果使用者知道自己要用哪一個語音應用程式，這樣的模式就沒有什麼問題；但是如果使用者不知道自己要用的是什麼，會如同矇上眼睛在飛行，就像在沒有搜尋引擎協助的情況下，要找到新的網站。如果使用者詢問的問題或是說出的指令沒有指明要用哪一個應用程式，Alexa或Google助理就會自行決定該如何回答問題或執行指令。如此一來，Google和亞馬遜就握有強大的權力，能夠主導語音流量的去向。
這樣的模式看起來就很像以前的圍牆花園，會形成這樣的模式，其實也不一定是因為亞馬遜或Google 本身渴望握有控制權，但是這些企業肯定很享受這樣的權力所帶來的利益。在語音的世界裡，本來就適合以單一數位實體掌控一切，Siri的原始研發團隊肯定支持這樣的想法。如果沒有一個主宰的語音助手，所有的語音應用程式都會是獨立開發，這樣一來，每個應用程式都有自己的名字、自己的獨特功能、自己的一套指令。「我覺得大家不可能記住數萬個不同的名字和數萬套不同的指令。」切爾說道：「這種模式先天就無法規模化。」
切爾與吉特勞斯離開蘋果後，創辦Viv。Viv追求的是另外一個目標：創造獨立運作、全知全能的助理。Google和亞馬遜雖然很明顯地漸漸在扮演資訊守門人的角色，但是它們本身不想要被大眾當成資訊守門人。但是Viv不一樣，該公司開宗明義就明白宣告，目標就是要做出全能的助理--終極的電腦，有了它，就不需要其他的電腦。
的確，Viv的科技其實已和第三方應用程式配合，畢竟切爾一直以來的運作模式都是如此，但是第三方應用程式都是在背後暗中進行，使用者不會看到，使用者只會和一個助理互動。Viv在2018年下半年推出，裝載在全世界數百萬台三星裝置上。「這是一場競賽。」吉特勞斯說道：「各大企業爭相成為使用者的單一介面。」
2016年至今，各種聊天機器人和語音應用程式如雨後春筍般出現，許多企業一窩蜂搶進。
各大科技公司表現大盤點
Viv擁有強大的科技，因為它使用的科技是語音助理這個領域最初先鋒所研發的，但是因為進入市場時間較晚，算是競賽中的一匹黑馬，和其他競爭者競逐成為主導介面。這場競賽在幾年前似乎比較開放，大家都可以來競爭，但是現在競賽已經比到某種程度，占有優勢的參賽者已經出線了。
現在，我們來盤點每家公司的表現。首先是蘋果，Siri是全世界普及的數位助理，平均每個月接獲的指令數高達一百億則，而且支援20多種語言。
這是好消息，但壞消息是蘋果並未遵照原始創辦團隊的構想行事，所以Siri並沒有發揮應有的實力。許多科技評論家都開始批評Siri，Siri儼然成為語音人工智慧界的眾矢之的。評論寫道：Siri「很糊塗」又「很難堪」(《華盛頓郵報》)；「蘋果錯失的最大契機」〔《休士頓紀事報》(Houston Chronicle)〕「有重大缺陷」(《紐約時報》)。科技分析家Jeremiah Owyang在接受《今日美國》(USA Today)訪談時表示：「感覺蘋果好像完全放棄了Siri。」
這麼說是有點過頭了，但是蘋果的確該受到批評。蘋果原本是語音人工智慧的領頭羊，但是現在卻落後了。蘋果直到2018年2月才推出自家的智慧音響HomePod，比Google Home慢了將近1年半，比亞馬遜Echo慢了整整3年半。HomePod推出後，評論家對其音質表示讚賞，但也提到HomePod價格高昂的問題。一台HomePod要價349美元，亞馬遜Echo只要99美元；而且許多評論家也對Siri提出批評，表示HomePod上的Siri性能很差勁。到了2018年6月，HomePod在美國智慧居家音響市場的市占率只有4%。
針對語音科技，蘋果採取的策略其實和公司的本質定位有關。蘋果的本質是電子裝置製造商，因此把Siri當成自家裝置上的優秀功能，而不是當作獨立出售的產品。然而，Google與亞馬遜都預測在未來環繞運算會成為主流。如此一來，語音科技確實會為蘋果帶來風險。在未來，聰明的人工智慧住在雲端上，透過價格低廉的商品和使用者講話，而蘋果專門販賣高價裝置，在這種情境下，蘋果的地位會受到極大的衝擊。
開發人員可以讓使用者透過Siri和各種應用程式溝通，開放的應用程式分為六大類：文字訊息、音訊與視訊通話、支付、照片、運動，以及服務叫車。
接下來是微軟。微軟有一個世界級的人工智慧部門，部門裡有8,000名員工。微軟有搜尋強大的引擎Bing，提升語音助理的問答能力，而且微軟的虛擬助理Cortana 已經確立自己的地位。
但是， 微軟提升Cortana在消費者市場的市占率方面遇上了困難。Bing或Skype都支援Cortana，但是這兩個平台的用戶量卻遠遠不及Google或Messenger。Windows Phone上也能使用Cortana，但是它的市占率一直無法脫離個位數，甚至只有個位數出頭，所以在2017年停產了。在智慧音響的戰場上，Cortana 裝載在哈曼卡頓的智慧音響Invoke 裡，但是這款音響的市占率小到幾乎無法計算。開發人員不想花時間為一個很少人用的平台設計語音應用程式，所以大多數都選擇避開Cortana。
儘管面臨這些挑戰，但是微軟並沒有放棄。Cortana裝載在Windows作業系統上，而且每個月有1億4,500萬名活躍用戶。微軟並不是把Cortana定位成全能、全民型的人工智慧，而是定位為職場助理，這很符合微軟近期的總體經營策略：專門為企業提供軟體與雲端服務，而人工智慧語音科技就是其中之一。所以，微軟即便在語音科技的戰場上並沒有總體優勢，但是在企業領域裡，有條件成為一支精實勁旅。
再來是臉書，臉書在語音世界的未來很難預測。如果說全世界都和中國一樣，有十億人都在用微信，並把微信當成整個網路世界的入口，臉書的條件就很好，因為Messenger上已經有許多強大的機器人。不過，未來的趨勢會不會如此，現在仍然難以預料。
除了Messenger以外，臉書也做了不少對話式人工智慧的研究，但並不是很積極把成果轉換為產品。根據傳聞，臉書已經研發出自己的智慧居家音響，但是後來因為爆發劍橋分析醜聞，引爆隱私爭議，於是便暫緩發表。所以，目前臉書的得分是「不完整」。
剩下Google和亞馬遜。無論用什麼指標衡量，這兩家公司目前是競賽中最具優勢的。2018年，支援Cortana 的裝置只有區區39個，支援蘋果和Siri 的裝置有194個，支援Google助理的裝置超過5,000多個，而支援Alexa 的裝置則達到20,000個。Google 助理有超過1,700個應用程式，而Aelxa 在全球則有五萬個應用程式。在美國，亞馬遜的智慧居家音響市占率為65%，Google 則為20%。
有了語音，科技可以變得較不人工，我們能讓機器變得更像人類，並且廣泛應用在生活中。
既然Google 和亞馬遜是前兩大競逐企業，最好的評估方法就是檢驗兩家公司分別有什麼方法可以透過語音賺取利潤。如果你把獲利的問題拿來詢問這兩家公司的高層，他們會緊張地說出一連串的陳腔濫調，表示現在這項科技還處於早期階段，公司目前正在想辦法提升使用者體驗，等使用者體驗做到最好之後，自然就會有獲利。這種回答雖然是在迴避問題，但是其實不假，目前這些公司都在搶地盤，擴大用戶量，因為它們知道擁有主導地位的平台，自然會有各種方法大發利市。
但是就連在現階段，公司高層也已經在思考各種商業模式。最直接的獲利方法，就是藉由販賣裝置賺取營收，亞馬遜賣Echo，Google賣Home。但是有別於蘋果，這兩家公司對這個選項似乎不是特別感興趣，因為現在它們都刻意壓低裝置的價格，用以提升市占率。
有一家獨立研究公司把Echo Dot 拆開檢查，評估所有組件加總的成本是35美元，加上間接成本與運送費用，總成本還要更高。不過，亞馬遜Echo Dot 的定價最低，為29.95美元。「公司是靠著消費者使用我們的服務賺錢，而不是靠著消費者購買裝置賺錢。」Alexa...
MCU Base方案助陣 語音應用聲勢更浩大
為加快語音應用普及速度，恩智浦半導體(NXP)研發首款基於MCU的語音控制解決方案「Alexa for MCU Solution」，該方案已經獲得亞馬遜(Amazon)Alexa語音服務(AVS)認證，可讓原始製造商(OEM)更快速、輕易、且花費更低成本將語音應用內建(Built-in)至各式產品中(如冰箱、微波爐等)，消費者也能更輕鬆的使用語音服務，獲得豐富的語音體驗。
為了能夠使更多人體驗語音應用，Amazon目前正積極推動「Alexa Built-in Product」，也就是將Alexa內建置各式產品當中，智慧家電便是其中一個目標。Alexa Built-in的產品使用方式與智慧音箱相同，消費者可使用喚醒詞「Alexa」，直接與產品交談，並立即接收語音回覆和內容。
然而，OEM業者要能迅速、輕易的將Alexa內建置產品之中，除了仰賴Amazon釋出相關雲端應用外，在硬體方面同時也需要一個好的開發套件，而NXP基於MCU的語音控制解決方案「Alexa for MCU Solution」便是為此而生。
恩智浦資深IoT解決方案經理秦建峰表示，Alexa Built-in Product和智慧音箱不同，是屬於比較輕量級的應用；也就是同樣具備語音對話、控制的能力，但在音樂播放、Audio品質等功能則不如智慧音箱。換言之，Amazon推出Alexa Built-in Product的概念，並非要取代智慧音箱，而是要讓消費者有更多選擇，因為有些使用者可能不需太高的音樂播放品質，只想要單純的語音控制，而Alexa Built-in Product這類的解決方案就可滿足他們的需求，同時成本也比較低。
然而，要打造一個簡單、高效的語音開發套件也非是這麼容易。秦建峰指出，即便是單純的語音應用，當中也包含了很多的語音演算法，例如回聲、降噪，波束成型、遠場/近場等。過往這類的演算法，多靠MPU處理，若是要採用MCU處理的話，一定會加掛一顆DSP。然而，不論是採用MPU或是MCU+DSP的方式，其成本都偏高，不適用對價格敏感的設備(像是消費性產品)，且MCU+DSP設計難度也較為複雜，同時電路板的體積也較大，沒辦法嵌入至較小的設備中。
為此，NXP便透過i.MX RT跨界處理器，打造基於MCU的語音解決方案。i.MX RT跨界處理器的特點包含Arm Cortex-M7核心，提供3020 CoreMark/1284 DMIPS、600MHz運行頻率、2D圖形加速引擎，以及多通道高性能音頻等。
秦建峰說明，i.MX RT的性能介於傳統MCU和MPU之間，這也是其被稱作跨界處理器的原因。而這類處理器性能可以滿足Alexa輕量語音應用的運算需求，同時成本又低於MPU或傳統MCU+DSP的設計方式；因此，採用i.MX RT處理器的語音開發方案，讓眾多OEM業者能夠快速將Alexa添加到旗下產品中，讓產品具有語音控制功能。如此一來，將會有更多消費者享受到語音應用，同時也加強消費者的智慧家庭體驗。