对话iPhone4S 深度分析Siri背后的技术

admin

　　【IT168 资讯】今年10月，Apple发布了iphone 4S with IOS 5,其中最大的亮点就是一个语音搜索软件-Siri。一时间，各种geek，伪geek，码农，非码农都流行起调戏siri，各种调戏视频，音频大量出现。不过，常言道“外行看热闹，内行看门道”，作为一个“伪内行”，或者“欲做内行而不得”的人，根据自己的知识，以及一些搜索工具，尝试了解了一下Siri的“门道”，在这里做个总结，列出siri所可能用到的技术(所谓可能，是因为很多是我猜测，或者没有准确的来源的资料)。

▲Siri功能

　　“Siri是IOS上的个人助理应用：此软件使用到自然语言处理技术，使用者可以使用自然的对话与手机进行互动，完成搜寻资料、查询天气、设定手机日历、设定闹铃等服务。(来自维基百科)”
　　Siri所用到的技术，很多人会回答，人工智能以及云计算，的确，总体来说，是这两样技术，不过，这种概述感觉几乎没有任何意义，和不直接说“计算技术”(注意，不是计算机技术)呢。因此，在本文，我将介绍下我了解Siri可能采用的技术(由于有个人猜测，不一定准确)。

▲人机对话的后面使用了什么技术？

　　首先，在前端方面，即面向用户，和用户交互(User Interface，UI)的技术，主要是语音识别以及语音合成技术。语音识别技术是把用户的口语转化成文字，其中需要强大的语音知识库，因此需要用到所谓的“云计算”技术。而语音合成则是把返回的文字结果转化成语音输出，这个技术理论上本地就能完成(以前用过科大讯飞的在windows mobile上的本地语音阅读软件，软件很小，但能读的很好，还支持方言)，但不知道Siri是否如此，当然，在云端完成也并无不可，在当前无线带宽下，那点语音流量根本不算什么。
　　其次，后台技术，这些其实才是真正的大角色(当然，普通用户是不会在意的，他们只会觉得前端很炫，哎，这就是做后端的悲哀，小小感叹一下)。这些技术的目的就是处理用户的请求，并返回最匹配的结果，这些请求类型很多，千奇百怪，要处理好并不简单。基本的结构猜测可能是分析用户的输入(已经通过语音转化)，根据输入类型，分别采用合适的技术(合适的技术后面)进行处理。这些合适的后台技术包括，①以Google为代表的网页搜索技术;②以Wolfram Alpha为代表的知识搜索技术(或者知识计算技术);③以Wikipedia为代表的知识库(和Wolfram Alpha不同的是，这些知识来自人类的手工编辑)技术(包括其他百科，如电影百科等);④以Yelp为代表的问答以及推荐技术。
　　下面，对上面提到的各种技术进行简要介绍(如有空，后面的博文可能会对某些技术详细的介绍，大家耳熟能详的就免了)，强调下，介绍的有些参考来源是维基百科相关词条，下面不一一列出：


该帖已经同步到经典微博 admin的微博

该贴已经同步到 admin的微博