可能使用過AI語音助手的用戶都有過類似的感受，即這類語音助手似乎并不是特別智能。那么，近期引發互聯網圈、科技圈熱烈討論的ChatGPT，是否可以為AI語音助手這一形式帶來新的可能，讓它們變得更加“聰明”？一起來看看作者的分析和解讀。

AI 語音助手的「蠢」，好像全世界都知道。

不管是 Siri 還是小愛同學，大部分使用過所謂「AI 語音助手」的用戶大概都同意，它們肯定不算聰明。尤其是在 ChatGPT 出來之后，這種對比尤為明顯，甚至包括微軟的最高話事人也在批評自家的語音助手。

微軟 CEO 薩蒂亞·納德拉最近在接受英國《金融時報》采訪時表示，蘋果的 Siri、亞馬遜的 Alexa，微軟自家的 Cortana（中文名：小娜）以及公認拔尖的 Google Assistant，這些語音助手有一個算一個：

都笨得跟石頭一樣。

2014 年 4 月，納德拉剛剛上任微軟 CEO 兩個月后的微軟 Build 開發者大會上，微軟全球副總裁喬北峰正式推出了 Cortana。在最初的幾年，Cortana 表現了不俗的智能，也受到包括納德拉在內微軟高層的集體認可，納德拉在 2016 年還稱贊 Cortana 的智能，并說「機器人是新應用」。

但 Cortana 的智能（橫向比較）和市場份額越來越糟糕，到 2021 年微軟就正式宣布停止支持 iOS 和 Android 上的 Cortana 應用，僅保留對 Windows 平臺的支持。

更重要的是，OpenAI 帶著 ChatGPT 來了，微軟直接拿到了 AI 時代目前為止最好的一張船票。與此同時，語音助手在過去幾年基本陷入了停滯，Siri 的聯合創始人 Adam Cheyer 也承認，ChatGPT 理解復雜信息的能力讓現有的語音助手看起來很蠢。

但換句話說，如果能在語音助手上實現類似 ChatGPT 理解復雜信息的能力，Siri 和小愛同學是不是就能重獲新生？

至少很多人已經開始嘗試了。

一、個人開發者的嘗試

ChatGPT 出現后不久，互聯網上其實就有了一大堆的新想法，聲量最大的一個是改變「搜索」，如今已經成為了搜索引擎巨頭的共識，微軟必應已經在測試，谷歌和百度也提前進行了預告。而另一方面，也有不少人在驚嘆于 ChatGPT 的自然語言溝通能力之余，期望會推出語音助手版本的 ChatGPT，替代掉目前不堪一「談」的語音助手。

在今年又一輪爆發之后，盡管我們還是沒看到 OpenAI 或者微軟推出對應的語音助手版，但已經有開發者進行了大量的嘗試。

xiaogpt，圖/GitHub

在全球最大的代碼托管平臺 Github 上，就有開發者嘗試將 ChatGPT 接入小愛同學，Star 數已經達到了 1.3k。據項目介紹，只要有 ChatGPT 的賬號、小愛音箱、正常連接 ChatGPT 的網絡以及 python 3.8+，人人都可以在小愛音箱上使用「ChatGPT 版小愛同學」。

原理上很簡單，喚起小愛同學后，以「幫我」開頭詢問的問題會自動以文本形式發送一份給 ChatGPT，同時會屏蔽小愛同學原本的回答，替換成「正在問 GPT，請耐心等待」，而 ChatGPT 生成的文本則會被小愛同學通過 TTS（語音合成技術）進行語音回答。

從開發者的演示顯示，整個過程足夠流暢，實際回答也遠超小愛同學原本的「智力」。（具備條件可搜索 GitHub 項目「xiaogpt」）

不僅是小愛同學，另一位更為大眾調侃的「智障」語音助手——Siri，實際上更早就被開發者嘗試接入 ChatGPT。

圍繞 Siri 其實有不少嘗試，其中國內開發者@Yue-Yang 最近就以「快捷指令」形式連接了 Siri 和 ChatGPT，讓 Siri 變成真正的 AI 聊天機器人。在 GitHub 或者「小眾軟件」上你都能找到對應的快捷指令——智能聊天，不過使用條件是需要申請 OpenAI 的付費 API。

「ChatGPT Siri」在原理上與「xiaogpt」類似，利用 OpenAI 的 API（應用程序接口）和 iOS 的特性，先將語音指令轉換為文本再傳遞給 ChatGPT，收到回答后再讓 Siri「讀」出來。在 B 站上，通過搜索「ChatGPT Siri」可以查看對應的演示。

ChatGPT Siri，圖/GitHub

當然，以上兩個項目都是個人開發者的嘗試，也包括其他類似的項目，不管是使用體驗還是上手門檻，都并不適合普通用戶?？紤]到語音助手的技術、產品和生態，大公司的入場很可能降低門檻、提高整體的使用體驗。

問題在于意愿和能力，很多公司其實也看到了站在 ChatGPT 的「肩膀」上重新打造語音助手的可能性，但在全球范圍內，真正同時手握 AI 能力和語音助手背后生態的公司總共也就那幾家。

二、巨頭的入場，不遠了

與搜索一樣，ChatGPT 不可能直接取代現有的語音助手。一方面語音交互的優勢在于直接、易上手，很多任務通過觸控、文字輸入等方式不僅繁瑣、更耗時間，同時對于老人、小孩等用戶也偏于復雜，自然的語音交互則能比較輕松地實現。另一方面，ChatGPT 并不能對現實層面進行直接干預，比如我們用 Siri 或者小愛同學操控空調、掃地機器人等。

ChatGPT，或者說生成式 AI 更大的價值在于通過強大的自然語言理解和溝通能力，來改善語音助手的使用體驗。

過去我們總抱怨 AI 太笨，要么答非所問，要么干脆就是「我沒有明白」，基本幾輪對話就會感到心累，轉向對功能性的需求，比如天氣、問題查詢、智能家居操作等。相反，ChatGPT 的對話能力則基本不用擔心，盡管可能會有錯誤信息，但至少不會像 Siri 和小愛同學那樣溝通成本太高。這也是多年的發展停滯之后，語音助手的關鍵機會所在。

2 月底，微軟在推出支持 AI 對話的新必應之后，又支持了 Android 和 iOS 版本，并且在 AI 對話中第一次增加了語音對話功能，用戶如果使用語音開啟對話，新必應也會使用語音回應。不過就現在而言，新必應的語音對話功能還僅限于對話，并不能用來進行一系列操作，比如在手機上喚起某個系統或應用的功能，也不支持設置為默認的語音助手。

語音功能加入，圖/微軟

此外，微軟自家的 Windows 平臺也還未支持，目前為止尚未流出 Cortana 或其他新語音助手加入類 ChatGPT 能力的消息。

而更早些時候，小度官方在 2 月初宣布，AI 語音助手小度將在未來融合百度文心一言的全面能力，同時在此基礎上還將打造針對智能設備場景的人工智能模型「小度靈機」并應用到小度全系產品。而據小度官方數據，搭載小度的智能設備已經進入了 4000 萬戶家庭。

當然，按照百度此前的規劃，文心一言要在本月才上線測試，距離小度全面接入文心一言的顯然還需要一段時間。

另一方面，谷歌也早早看到了這一點。2021 年的 I/O 大會上，谷歌就首次宣布將 LaMDA 大語言模型的對話能力整合入 Goolgle Assistant、搜索和 Workspace。今年 2 月，谷歌推出了類 ChatGPT 的聊天機器人 Bard 之后，接入 Google Assistant 似乎也是題中應有之義，包括 9TO5Google、《連線》雜志也認為谷歌應該這么做。

就像人人都知道語音助手的「蠢」，所有人也看到了 ChatGPT 讓語音助手們至少在理解人類語言和對話上「變聰明」的很大可能。

過去我們都暢想過，有一個數字語音助手可以在日常生活中幫我們解決各種需求，就像《鋼鐵俠》里的賈維斯，現實是 Siri 和小愛同學們距離聽懂人類的話還差很遠，充斥著各種「不明白」「聽不懂」。

的確，現實世界的技術還趕不上科幻世界的想象很正常，但 ChatGPT 背后強大的對話語言能力，無疑可以讓語音助手們能夠更流暢地與我們對話，讓我們更感覺在對話的是一個「智商在線」的 AI 助手，而非對牛彈琴。而對于智能音箱和智能家居廠商，這也意味著更高的用戶粘性和使用率。

更或許，當 AI 越來越聰明并理解人類，智能家居乃至物聯網的未來也會隨之發生巨變。