📖 ZKIZ Archives

i代言 | 前高德產品副總裁馬斌斌：夢想有一天，用嘴開車環遊世界

我最早是在高德這邊做高德地圖的產品副總裁，在真正開發這個產品（高德地圖）過程中，就發現在駕車場景下，不管是手機地圖來做導航，還是用車機做導航，都有很多的痛點。比如說來電話了，要去接電話，來微信了，還要抽空拿起來看微信，這就給駕車帶來很多的風險。有一個統計，交通事故百分之三十八，就是因為不正確的駕駛行為導致的。於是，那時我們就在想，有什麽更好的辦法，來解決這個問題。

還有一些情況，比如說，經過一些複雜路口的時候，這種路口本來正常是這種十字路口，但是有些路它右前方有兩條路，導航播報不見得能夠很準確讓人知道，這兩條路到底該是哪一個，多少角度，導航只會說是朝右前方行駛，所以聽的時候你就會很糾結，我聽的右前方，可右前方到底是哪條路。這時候沒辦法，只能拿起這個地圖來看一眼，或者說就是自己猜著瞎走，這一走最後發現走錯了，導航提示已偏離路線。有沒有有什麽辦法，使我們在開車的時候，就可以順便的、方便的看到這個信息，這是第一點。

還有些痛點，比如我們剛開始規劃條路線，車剛啟動，啟動之後剛走了沒幾米，導航就說您已偏離路線。這時候你就很抓狂，我怎麽剛啟動就說我偏離路線了。為什麽會這樣，那是因為手機它不知道，你的車頭的朝向，是否跟我規劃的路線是一致的，所以它只能等你走出去幾米，或者十米，它通過GPS的定位的變化，才發現已經走偏，提示你你應該怎麽重新去調整路線。這種讓人抓狂的事，在實際的開車過程中能不能解決掉呢？

還有一個，開車看微信，估計現在很多人都有這種習慣，開車時沒辦法，只能說，到紅燈的時候趕快看一眼，結果呢，正在看的時候，後面車開始滴滴滴催你了，哦，綠燈到了，趕快放下來。手忙腳亂，非常不順暢。

於是我們就在想，能不能用語言方式來控制。我跟我當時在高德的地圖團隊說，能不能說當我們查一個地點做導航時，整個過程用語音的方式來控制，比如幫我找一下附近的加油站。“哎，這里加油站有幾個”？然後（導航）直接告訴我，我就說去第幾個，然後就可以直接給我去做這個導航的動作。

高德做地圖積累很深，但是在語音這方面沒有這個積累，而且中間它是有個上下文的關聯，它不是一次的搜索，它需要這種說，一些基於智能技術的這種，一些積累才可以，發現我們做了幾個月，做不出我想要的效果，所以就先放棄了。

機緣巧合，在一次跟朋友的聚會上，算是行業里邊的聚會，認識到老高，高始興，他是思必馳的創始人，他說他們現在的技術就是做人機對話，也就是說你可以用一問一答的方式來幫你去篩選結果，整個過程中完全不用手。太好了，這正是我想要的，這就是我後來做這個產品的一個重要動機。

之後，我也去深度地了解了他們的技術，發現確實做得很好，然後他們人機對話就是說，我想打一個電話：“哎，打電話給小強。”可能通訊錄里邊有兩個小強，它會問你是胡小強還是張小強，我說是胡小強，胡小強正好有兩個電話號碼，它能幫你識別出來，說你是要打給他的移動，還是聯通的號碼，我會說移動還是聯通，我也可以說是第一個還是第二個，我還可以說一三五開頭的，或者四八八五結尾的，它都能支持，這正是我想要的一個完美的語音交互方式。所以我們就決定一起做這麽一個產品出來。

在決定這個產品這種形態的時候，我們做了很多一些調查。我們去看到說目前在這種車的場景里邊，大家如何做這種產品的形態。大家都在用的是叫做智能車機，就是車機是以前是在這個中控臺的監視器的屏幕位置，現在變成了比如裝安卓系統，可以裝各種應用，包括說高德地圖還是百度地圖，包括微信也都能裝進去，但是有一個問題是，我們看這個車機的時候，盡管它做了改良，但是你視線還是要去偏離路的，而且是嚴重的偏離，因為它的位置是在儀表盤的下方，所以當你眼睛移到這里看的時候，你還是會忽略前方的路況，所以它不是一個安全的，信息的交互的模式。

還有後來又興起了這種後視鏡。後視鏡指的是那個，前擋風玻璃中間偏上的這個位置的小後視鏡，就是在車箱內部的這個，這個屏幕上面不光是用來看後方車的車距車速，還用來做一個信息的展現，等於把一個鏡子面，變成了一個顯示屏，它相對要比看車機這個位置，安全了好多，但是它也有它的問題，因為這個後視鏡，本來是用來做看後方的車輛的車距，這麽一個小屏幕，你還拿了一半左右的空間來做信息的展現，那我看到其他後車的信息，就會受到幹擾，它其實是一個安全隱患，按交通法來說，可能是不合規格的一種改裝，是很危險的。

我們又看到一種形式，它是日本的先鋒，它做了一個這樣的HUD屏，這個屏呢它是利用了這個遮陽板的位置，用一個卡子卡在這個遮陽板上，用一個狹長的透明屏來做這個展現，而且它展現的原理很有意思，它是用鏡面成像的原理，圖像不在這個屏幕本身，而是延伸到了車窗的外邊。就像當你看鏡子的時候，你不是在鏡子表面，而是在鏡子的里面，是一個對稱的位置。

這個技術其實最早是用在戰鬥機，比如說那種戰鬥機飛行員，戴著一個頭盔，他在看這個前方的天空的時候，他同時還需要去看一些飛行數據，飛行數據它是打在頭盔的，這個玻璃屏上面。

現在汽車遮陽板加了這個東西之後，就沒法用了，那麽陽光刺眼的時候怎麽辦？好了，只能說你再加一個外設的一個遮陽板卡在外邊，但你一旦卡在最外邊的時候，又把那個透明屏給擋住了，你擋住屏之後，這個屏變得不透明，又變成了說跟看車機，和看這個後視鏡同樣的問題，它是不安全的。

後來我們又看到另外一個產品形態是Navdy，就是美國Navdy，它在去年的時候，推出這麽一個產品視頻概念，就是它是在放了一個HUD屏，跟我們這個產品是很像的，就是它這個產品是放在這個方向盤的正前方的儀表臺上，看路的時候，我們這個視線的交點，大概是這樣的，大概是這麽一個角度，而且是前方稍微偏下看路的時候，它在你的視線角度上，可以用余光可以很清楚的看到這個信息，而且它用的也是HUD這種，鏡面成像的這種原理，所以說那個信息的展現，不是在屏幕上，而是延伸到了車窗的外邊，看路的時候，可以順便的清晰地看到信息。

所以回顧到用戶開車的時候痛點，痛點是什麽，就是我必須要雙手抓方向盤，眼睛看前方路面。如何讓我在做信息交流的時候，不去破壞我這的主要操作，那我們想到的最好的模式還是在語音這一塊，就是用耳朵聽和用嘴巴來說，這個事情聽起來很簡單，其實做起來是很難的。

不知道大家有沒有看過在今年的春節的時候，有一個糾正哥的視頻，如果說語音識別做到這樣技術，做到這樣一個程度，那幾乎是不可用的。國外是這樣的，安吉星它背後用的語音的提供方，應該是Nuance，而Nuance又是iphone，就是Siri語音技術的提供商，我們看到說其實國外的這些廠家，做成這樣，那麽國內做得怎麽樣呢？

其實國內做的也不好。思必馳，因為我們是一個深度戰略合作夥伴，而且我們是一種合夥人的關系，創始人關系，那講了這個最基礎的問題，語音識別率，語音識別率我們也對比了，國內的幾家語音的服務商，包括像百度語音輸入法，還有像科大訊飛，我們會發現在這種噪音環境下，他們的識別率都很差，尤其是百度就更差了。大家知道百度做了一個CarLife，車載場景下的一個人機交互系統，但是以它這樣的語音識別率，CarLife幾乎是一個不可用的產品。科大訊飛比它好一點，但是比起思必馳的識別的準確率，還是要差，這是一個基礎的問題，這個解決不了，就談不到說真正的語音的交互。識別都做不好嘛。

思必馳的創始人之一俞凱，是劍橋的語音博士，包括現在Siri，這邊的語音的負責人，跟他們當年都是同學這樣一個關系，而且他之前還是美國國防部語音這塊的專家，他是上海交大語音實驗室的負責人，就說這邊的語音的技術積累，是很深厚的。專註於做技術，不擅長去表達去做傳播，但是技術做得真的很好。一個就是體現的說他們專註於說，要做一個通用的場景的語音識別，這個可能說大家都差不多，但是做這種車載環境的呢？我們看到車載里面，其實針對於語音是一個，更強的剛需，所以思必馳它當時，基於這個車載環境，做了深度的定制研發，怎麽做呢，我們要想說在噪音環境里邊去，還能聽清楚人聲，其實要去分析人聲的波長、頻率這些特征，還有噪音比如說音樂聲、麥克風播出的聲音，跟人說話的聲音，它這種頻率是不一致的；還有一種風噪路噪的聲音，它這種特征也不一致，當你用大量的數據的語料，把這種特征分析出來之後，就能把他跟人聲分離出來，這時候為什麽我能在噪音環境下，我們做得更好，因為我們把人聲，可以從噪音里邊分離出來，聽到的就是準確的。

除了這個語音識別的問題，下一個問題是怎麽能去做智能的語義識別，聽清楚了是第一點，但聽懂之後能不能給它一個更好的反饋，這就是一個更大的挑戰，而這邊正好也是我們，已經積累了一個很好的技術，人機對話的技術。我們比如說常規我們想到的語音，就是我們發一個指令說，比如說這個電視機打開關閉，這個很容易，但是如果我說給我找一個附近加油站，加油站有多個的時候你要去哪個，比如你要去中石油的還是中石化的，這時候能不能用語音方式直接來問他，說你要去附近的中石油，還是中石化的加油站，我說去中石油的，那這樣的話，下一步說是否導航去那里，我說導航開始，這種過程能不能說完全語音的方式，因為我們提供的這個產品，大家也看到沒有一個鍵盤，也沒有一個觸摸屏，只有一個顯示屏，所以它的操控全語音操控，能不能做到，這是我們在突破的點。

在做的過程中，其實技術上能做到只是第一點，能不能讓用戶有一個更好的體驗，又是一個好大的挑戰，現在這個產品做出來之後，我們用戶體驗下來之後，感覺真的是很酷，而且它在開車過程中，有幾個挺好的功能，比如說你開車是用全語音方式設置導航地點，設完之後開始導航，導航過程中來電話的時候，你再也不用擔心說這個導航界面，被這個來電顯示給蓋住，而且你也不用拿起手機接電話，它直接說一句誰誰誰電話接聽還是拒絕，你說接聽，這時候就通過藍牙的方式，就通過電話的信息用喇叭放出來，當然你也可以帶耳機聽，都可以，還有你說掛斷，就可以把它掛掉，繼續開車。

正在開車的時候又來了個誰誰的微信，播報還是忽略，你說播報，它就把微信內容給你讀出來，你這時候完全可以不看屏幕，你就可以知道。你看著車看著路，它語音播報誰誰誰說今天下午我們一起去吃飯，地點定在什麽地方好不好，然後你這時候可以說回複，然後你說好，我們就定在那個地點，我在下午7點半準時到，我們的語音識別率很好，我們語音說完之後，能轉成文字發出去，而且準確率非常的高，幾乎是一個字不錯的能夠把它發出去。

目前看它也許只是一個智能汽車，跟非智能汽車過度期間的一個過度產品，但是做好這個人車交互平臺之後，我希望這個平臺甚至不是通過這樣一個合作的方式去體驗，而是把這個系統直接裝在車里邊，然後在開車的時候，直接可以無縫的去使用，我們這麽好的這種語音交互的能力，去做車的操控，甚至到某一天，我們通過資本運作，跟車廠做戰略整合，我們去做可以語音操控的自動駕駛，這是我的夢想，在我的朋友圈子里邊有一條，很多我的朋友都看過，我寫的是說如果哪一天，真的實現自動駕駛了，我開輛房車去周遊世界，現在如果說你要開一輛房車，去周遊世界，那很痛苦，因為開車時間太長的時候，真的會很疲憊很累，那不是愉悅的體驗了，但到能夠用嘴去開車的時候，我只要說我要去哪里，它就會帶到那個地點，期間我可以睡覺，我可以看書，我可以看東西，或者欣賞沿途的風景，我相信這是一種人生，可以更加完美的一種人生。版權聲明：本文作者i代言，文章為原創，i黑馬版權所有，如需轉載請聯系zzyyanan授權。未經授權，轉載必究。