CTI論壇(ctiforum.com) （編譯/老秦）： 語音供應商正在探索新的途徑來擴展其開發(fā)工具的使用。增強的建模精度，改進的后端集成，對其他接口的擴展以及更開放的系統(tǒng)是2019年的重點領域。2020年的重點是標準接口的開發(fā)和可移植性的提高。
年度回顧
在構(gòu)建解決方案時，語音供應商致力于為用戶提供公司應用程序的直觀界面。亞馬遜于6月份宣布的Alexa演示語言就是一種用于用戶界面設計的工具集。它具有技能個性化功能，使開發(fā)人員可以使用Alexa應用程序捕獲的語音配置文件來創(chuàng)建個性化技能。語音配置文件可解決首選項，記住設置并區(qū)分用戶。
改善語音識別是人們持續(xù)關(guān)注的領域。十月份，亞馬遜在其Alexa技能套件中添加了三套新工具。此開發(fā)工具包可幫助公司建立自助服務應用程序。其中兩個功能是"自然語言理解（NLU）評估工具"和"話語沖突檢測"，旨在提高語音模型的準確性。前者測試成批的話語，并將語音應用程序的自然語言處理（NLP）模型對它們的解釋與期望進行比較。為了提高結(jié)果質(zhì)量，NLU評估工具依賴于消費者通常說的命令，而不是由交互模型構(gòu)建的樣本話語。結(jié)果，系統(tǒng)通過識別有問題的話語來隔離訓練區(qū)域。該工具還支持回歸測試，允許開發(fā)人員在向語音應用添加新功能后創(chuàng)建并運行評估。
NLU評估工具使用生產(chǎn)中的數(shù)據(jù)以匿名的高頻現(xiàn)場話語進行測量，該數(shù)據(jù)旨在幫助調(diào)整對語音模型所做的任何更改的準確性。
話語沖突檢測功能可以檢測偶然映射到多個意圖的話語，這是可能會降低NLP模型準確性的一個因素。該功能會在構(gòu)建每個模型時自動運行，并且可以在發(fā)布應用程序的第一個版本之前使用，也可以隨著時間的推移添加意圖而使用。
除了前端開發(fā)之外，在過去幾個月中，還強調(diào)了與后臺業(yè)務應用程序的集成。9月，Nuance Communications擴展了Nuance智能互動平臺的功能，該平臺在市場營銷業(yè)務流程中增加了語音功能。開發(fā)環(huán)境現(xiàn)在具有連接到：
- 消息服務，以便公司可以跨多個渠道自動化和改善人工協(xié)助的客戶參與度；
- 座席AI服務，旨在為座席和主管提供相關(guān)的實時客戶信息；
- 安全和生物識別服務，以改進身份驗證并防止欺詐；
- 后端集成，因此該平臺可與提供所需信息的第三方認知引擎和數(shù)據(jù)源一起使用。
數(shù)據(jù)分析已成為第三方開發(fā)人員關(guān)注的另一個領域。亞馬遜增加了一個Get Metrics API，該API與第三方數(shù)據(jù)聚合平臺一起使用，允許開發(fā)人員評估各種指標，例如唯一客戶。它還支持創(chuàng)建監(jiān)視器，警報和儀表板，以突出可能影響客戶參與度的更改。
語音開發(fā)平臺傳統(tǒng)上具有不同程度的開放性。例如，蘋果公司一直致力于將其系統(tǒng)與自己的解決方案聯(lián)系在一起，這給開發(fā)人員使用替代產(chǎn)品帶來了挑戰(zhàn)。十月份，供應商通過允許Siri使用第三方應用程序來打開其系統(tǒng)。用戶可以調(diào)用第三方應用程序（如WhatsApp）來代替Apple解決方案（如其自己的Messages應用程序）。但是，第三方將需要將該功能添加到其軟件中。
展望未來
對于語音開發(fā)人員而言，可移植性一直是一項長期挑戰(zhàn)。"語音應用程序開發(fā)人員發(fā)現(xiàn)，每當他們將軟件從一個語音引擎轉(zhuǎn)移到另一個語音引擎時，他們都必須重寫軟件的大部分內(nèi)容，"Conversational Technologies負責人，萬維網(wǎng)聯(lián)盟多模式交互工作組主席Deborah Dahl指出。
可移植性涉及許多問題。舊版系統(tǒng)旨在在數(shù)據(jù)中心的服務器上運行。許多新系統(tǒng)具有云優(yōu)先設計。將軟件從一種遷移到另一種是一項復雜的工作。Nuance的智能參與平臺具有與云無關(guān)的靈活性，允許組織在Nuance的托管，公共和私有云中部署相同的解決方案。
設備支持是另一個重點領域。Nuance全渠道解決方案高級副總裁Tony Lorentzen表示："我們將繼續(xù)看到語音成為新界面，越來越多的設備將啟用語音功能。"
然后，這些解決方案必須與傳統(tǒng)解決方案集成。亞馬遜的Alexa演示語言使開發(fā)人員可以為帶有屏幕的設備（例如臺式機和筆記本電腦）創(chuàng)建Alexa技能。
另一個可移植性問題是將軟件從一個系統(tǒng)遷移到另一個系統(tǒng)。從歷史上看，市場缺乏標準接口，因此企業(yè)和第三方每次使用不同的語音引擎時都必須完成共同的工作，例如分配存儲。
十月份，Nvidia推出了Jarvis，這是一種多模式AI軟件開發(fā)套件，該套件將語音，視覺和其他傳感器整合到一個系統(tǒng)中。該工具支持用于構(gòu)建，訓練和部署GPU加速的人工智能系統(tǒng)的工作流，該系統(tǒng)可以結(jié)合手勢和眼睛運動等視覺提示以及語音來建立上下文。
9月，亞馬遜牽頭成立了語音互操作性計劃小組，這是一個創(chuàng)建標準語音開發(fā)接口的計劃。該小組設定了以下四個目標：
- 開發(fā)與其他解決方案一起使用的語音服務，同時保護客戶的隱私和安全；
- 構(gòu)建語音功能的設備，通過多個同時的喚醒詞來促進選擇和靈活性；
- 發(fā)布使更容易在單個產(chǎn)品上集成多個語音服務的技術(shù)和解決方案；
- 加速機器學習和對話式AI研究，以改善語音服務的廣度，質(zhì)量和互操作性。
包括百度，微軟，Salesforce.com和Verizon在內(nèi)的30多家公司支持這項工作。蘋果和谷歌是缺席者。該小組的第一批成果有望在2020年到來。
聲明：版權(quán)所有 非合作媒體謝絕轉(zhuǎn)載
作者：Paul Korzeniowski
原文網(wǎng)址：https://www.speechtechmag.com/Articles/Editorial/Features/The-State-of-Speech-Developer-Platforms-139108.aspx
