AI 语音助手的「蠢」，好像全世界都知道。

不管是 Siri 还是小爱同学，大部分使用过所谓「AI 语音助手」的用户大概都同意，它们肯定不算聪明。尤其是在 ChatGPT 出来之后，这种对比尤为明显，甚至包括微软的最高话事人也在批评自家的语音助手。

微软 CEO 萨蒂亚·纳德拉最近在接受英国《金融时报》采访时表示，苹果的 Siri、亚马逊的 Alexa，微软自家的 Cortana（中文名：小娜）以及公认拔尖的 Google Assistant，这些语音助手有一个算一个：

【资料图】

都笨得跟石头一样。

纳德拉和 Cortana，图/微软

2014 年 4 月，纳德拉刚刚上任微软 CEO 两个月后的微软 Build 开发者大会上，微软全球副总裁乔北峰正式推出了 Cortana。在最初的几年，Cortana 表现了不俗的智能，也受到包括纳德拉在内微软高层的集体认可，纳德拉在 2016 年还称赞 Cortana 的智能，并说「机器人是新应用」。但 Cortana 的智能（横向比较）和市场份额越来越糟糕，到 2021 年微软就正式宣布停止支持 iOS 和 Android 上的 Cortana 应用，仅保留对 Windows 平台的支持。

更重要的是，OpenAI 带着 ChatGPT 来了，微软直接拿到了 AI 时代目前为止最好的一张船票。与此同时，语音助手在过去几年基本陷入了停滞，Siri 的联合创始人 Adam Cheyer 也承认，ChatGPT 理解复杂信息的能力让现有的语音助手看起来很蠢。

但换句话说，如果能在语音助手上实现类似 ChatGPT 理解复杂信息的能力，Siri 和小爱同学是不是就能重获新生？

至少很多人已经开始尝试了。

个人开发者的尝试

ChatGPT 出现后不久，互联网上其实就有了一大堆的新想法，声量最大的一个是改变「搜索」，如今已经成为了搜索引擎巨头的共识，微软必应已经在测试，谷歌和百度也提前进行了预告。而另一方面，也有不少人在惊叹于 ChatGPT 的自然语言沟通能力之余，期望会推出语音助手版本的 ChatGPT，替代掉目前不堪一「谈」的语音助手。

在今年又一轮爆发之后，尽管我们还是没看到 OpenAI 或者微软推出对应的语音助手版，但已经有开发者进行了大量的尝试。

xiaogpt，图/GitHub

在全球最大的代码托管平台 Github 上，就有开发者尝试将 ChatGPT 接入小爱同学，Star 数已经达到了 1.3k。据项目介绍，只要有 ChatGPT 的账号、小爱音箱、正常连接 ChatGPT 的网络以及 python 3.8+，人人都可以在小爱音箱上使用「ChatGPT 版小爱同学」。

原理上很简单，唤起小爱同学后，以「帮我」开头询问的问题会自动以文本形式发送一份给 ChatGPT，同时会屏蔽小爱同学原本的回答，替换成「正在问 GPT，请耐心等待」，而 ChatGPT 生成的文本则会被小爱同学通过 TTS（语音合成技术）进行语音回答。

从开发者的演示显示，整个过程足够流畅，实际回答也远超小爱同学原本的「智力」。（具备条件可搜索 GitHub 项目「xiaogpt」）

演示，图/YouTube

不仅是小爱同学，另一位更为大众调侃的「智障」语音助手——Siri，实际上更早就被开发者尝试接入 ChatGPT。

围绕 Siri 其实有不少尝试，其中国内开发者@Yue-Yang 最近就以「快捷指令」形式连接了 Siri 和 ChatGPT，让 Siri 变成真正的 AI 聊天机器人。在 GitHub 或者「小众软件」上你都能找到对应的快捷指令——智能聊天，不过使用条件是需要申请 OpenAI 的付费 API。

「ChatGPT Siri」在原理上与「xiaogpt」类似，利用 OpenAI 的 API（应用程序接口）和 iOS 的特性，先将语音指令转换为文本再传递给 ChatGPT，收到回答后再让 Siri「读」出来。在 B 站上，通过搜索「ChatGPT Siri」可以查看对应的演示。

ChatGPT Siri，图/GitHub

当然，以上两个项目都是个人开发者的尝试，也包括其他类似的项目，不管是使用体验还是上手门槛，都并不适合普通用户。考虑到语音助手的技术、产品和生态，大公司的入场很可能降低门槛、提高整体的使用体验。

问题在于意愿和能力，很多公司其实也看到了站在 ChatGPT 的「肩膀」上重新打造语音助手的可能性，但在全球范围内，真正同时手握 AI 能力和语音助手背后生态的公司总共也就那几家。

巨头的入场，不远了

与搜索一样，ChatGPT 不可能直接取代现有的语音助手。一方面语音交互的优势在于直接、易上手，很多任务通过触控、文字输入等方式不仅繁琐、更耗时间，同时对于老人、小孩等用户也偏于复杂，自然的语音交互则能比较轻松地实现。另一方面，ChatGPT 并不能对现实层面进行直接干预，比如我们用 Siri 或者小爱同学操控空调、扫地机器人等。

ChatGPT，或者说生成式 AI 更大的价值在于通过强大的自然语言理解和沟通能力，来改善语音助手的使用体验。

小爱同学 5.0 发布现场，图/小米

过去我们总抱怨 AI 太笨，要么答非所问，要么干脆就是「我没有明白」，基本几轮对话就会感到心累，转向对功能性的需求，比如天气、问题查询、智能家居操作等。相反，ChatGPT 的对话能力则基本不用担心，尽管可能会有错误信息，但至少不会像 Siri 和小爱同学那样沟通成本太高。这也是多年的发展停滞之后，语音助手的关键机会所在。

2 月底，微软在推出支持 AI 对话的新必应之后，又支持了 Android 和 iOS 版本，并且在 AI 对话中第一次增加了语音对话功能，用户如果使用语音开启对话，新必应也会使用语音回应。不过就现在而言，新必应的语音对话功能还仅限于对话，并不能用来进行一系列操作，比如在手机上唤起某个系统或应用的功能，也不支持设置为默认的语音助手。

语音功能加入，图/微软

此外，微软自家的 Windows 平台也还未支持，目前为止尚未流出 Cortana 或其他新语音助手加入类 ChatGPT 能力的消息。

而更早些时候，小度官方在 2 月初宣布，AI 语音助手小度将在未来融合百度文心一言的全面能力，同时在此基础上还将打造针对智能设备场景的人工智能模型「小度灵机」并应用到小度全系产品。而据小度官方数据，搭载小度的智能设备已经进入了 4000 万户家庭。

当然，按照百度此前的规划，文心一言要在本月才上线测试，距离小度全面接入文心一言的显然还需要一段时间。

另一方面，谷歌也早早看到了这一点。2021 年的 I/O 大会上，谷歌就首次宣布将 LaMDA 大语言模型的对话能力整合入 Goolgle Assistant、搜索和 Workspace。今年 2 月，谷歌推出了类 ChatGPT 的聊天机器人 Bard 之后，接入 Google Assistant 似乎也是题中应有之义，包括 9TO5Google、《连线》杂志也认为谷歌应该这么做。

就像人人都知道语音助手的「蠢」，所有人也看到了 ChatGPT 让语音助手们至少在理解人类语言和对话上「变聪明」的很大可能。

「贾维斯，有时在你学会走之前得先跑起来」，图/《钢铁侠》

过去我们都畅想过，有一个数字语音助手可以在日常生活中帮我们解决各种需求，就像《钢铁侠》里的贾维斯，现实是 Siri 和小爱同学们距离听懂人类的话还差很远，充斥着各种「不明白」「听不懂」。

的确，现实世界的技术还赶不上科幻世界的想象很正常，但 ChatGPT 背后强大的对话语言能力，无疑可以让语音助手们能够更流畅地与我们对话，让我们更感觉在对话的是一个「智商在线」的 AI 助手，而非对牛弹琴。而对于智能音箱和智能家居厂商，这也意味着更高的用户粘性和使用率。

更或许，当 AI 越来越聪明并理解人类，智能家居乃至物联网的未来也会随之发生巨变。

题图来自 Unsplash

关键词：