辅助技术的现状-巨人网络通讯

辅助技术的现状

　　CTI论坛(ctiforum.com)（编译/老秦）:来越多的设备和应用程序，可以帮助他们更好地相互听，说和理解。这些属于不断增长的类别，称为辅助技术。　　美国国家耳聋与其他交流障碍研究所（NIDCD）将辅助技术定义为可帮助有听力障碍或语音或语言障碍的人进行交流的任何设备。其中包括：

放大声音的辅助收听设备（AID）；
帮助人们表达自我的增强和替代通信（AAC）设备；和
警报设备，可以将其连接到门铃，电话或警报器，并发出响亮的声音或闪烁的光以表示某些事件。

　　Brandnic.com的高级增长营销官Aqsa Tabassam表示，尽管辅助技术在残疾人中有明显的应用，但这些工具可以在更广阔的市场中使用，以使生活更美好。这些可以包括语音翻译器，可帮助您将单词翻译成另一种语言。

　　年度回顾

　　2019年，国际数据公司（IDC）的一份报告重点介绍了Bragi，Nuheara和Waverly Labs这三家公司，它们表示已采用传统的以音频为中心的可听设备，并为其增加了新功能。尽管许多此类产品专注于流音频和电话呼叫，但是这三家公司专注于使用技术来帮助克服听或说所面临的挑战。例如，Nuheara是一家听力保健公司，已开发出情景使用的可听设备，通过放大，降噪和音频波束形成来实时增强佩戴者的听力。

　　ReadSpeaker TextAid是另一个在2019年引起关注的工具。这是一种个人阅读工具，可以阅读任何文本，例如扫描的文档，网页等。Tabassam说：有了它，您可以在做饭时听电子书，或者坐在办公桌前阅读报告。它包含许多高质量的声音，可以为您翻译。

　　其他工具已经存在了一段时间，但仍在不断改进.tabassam以苹果公司的AirPods为例。您可以通过手机打开iOS 12中引入的'实时收听'功能，AirPods可以放大周围的声音，帮助您听到更大声且更清晰的声音。

　　为老年人和残疾人提供解决方案的技术公司K4Connect的工程高级副总裁Kuldip Pabla认为，人口老龄化是辅助技术市场的明显增长。而且，Pabla说：语音在老年人收养方面取得了巨大的成功。他们喜欢它提供的易用性，以及他们如何以自然方式使用它。

　　辅助技术也在工作场所中得到应用。招聘解决方案提供商Getting Hired可帮助雇主雇用残障人士和退伍军人，他指出，可以将各种设备（例如Amazon Echo等设备）连接到工作场所中的工具，以使环境变得可访问。这些设备如何为残障人士提供帮助的一些实际示例包括拨打电话，安排约会，打开或调节电子设备（例如恒温器或照明灯）等等。

　　展望未来

　　Pabla预测，到2020年，语音技术将通过主动的语音应用程序成为老年人生活中不可或缺的一部分。他说：当前的语音解决方案要求由老年人发起对话。随着语音技术的发展以及聊天机器人和自定义数字助理的成熟进入市场，语音将在2020年带来双向对话。

　　Pabla说，聊天机器人和数字助理将能够基于一天中的某些时间（更重要的是某些事件）发起对话。例如，在智能家居系统中，床传感器可能能够检测到某人何时在半夜起床并触发某些装置开始工作。同样，语音系统将提供更多自然的功能，例如随时提醒老年人服用药物。

　　希望通过语音主动通知各种事件的任何人也可以更广泛地使用这种技术。而且，事实上，另一个将继续增长的趋势是将辅助语音技术应用于与残疾无关的用途。

　　教育就是一个例子。越来越多地关注传统上被视为辅助技术的技术，它将在电子学习平台（包括学习管理系统）中变得更加主流。通用学习设计（UDL）越来越受欢迎。 ReadSpeaker教育机构和与LMS合作主管Paul Stisser表示.stisser希望UDL趋势可以提高课程结业人数和学生成功率。

　　VoxiAI的联合创始人兼首席业务开发官Alex Kozhevnikov为来年提供了一些其他预测。他说，2020年将成为语音技术继续发展的一年。他指出了以下发展：

　　语音转文本技术将简化办公任务，例如计划经理的时间，搜索文档或处理机密信息。随着识别度，理解深度和语音合成质量的提高，语音接口将几乎集成到所有产品中。例如：智能家居，汽车，家用电器，电话助手中的对话系统，Kozhevnikov说。

　　语音助手的增长。我们正在等待各个业务领域中智能助手数量的爆炸性增长， Kozhevnikov说。包括商业银行，电信，零售以及其他与客户互动的公司。

　　语音分析服务将更好地识别情绪，Kozhevnikov说：这些服务包括对情绪的多模态评估，这将提高人机对话的效率。

　　他说，今年语音识别的质量也将大大提高。产生识别错误的数量将接近人类的水平。

　　合成的语音将与人类的语音变得难以区分，并且有可能合成任何人的语音。

　　Kozhevnikov说，更多的解决方案将基于自然语言处理中的端到端方法。他说，这将有助于加快模型及其质量的执行速度，但它将加深我们对内部内容的理解。