到目前为止，智能语音机器人【《智能语音机器人》是一款智能口语学习软件。】这一产品大约经历了三代人。第一代，以 IVR为主(Interactive Voice Response，也就是交互式语音应答)，大家以前都接到过银行或客户服务电话。例如，在一句开场白之后，让您选择：按下一或二键，相当于第一代交互机器人的操作方式。在2017年至2019年的两到三年内，随着深度学习算法的迅速普及和发展，实时对话机器人将会出现。电话那头的顾客可能感觉不到什么特别明显的东西，但细听的话也能听到是机器人。每个人都会接到一些电话，聊天中才发现这是一个机器人。这类机器人一般对话能力相对比较简单，一般聊天几轮或30秒左右就结束，只做简单的任务。直到今天，未来几年都是下一代机器人，以前更多的还是要学习人类的能力，而现在，下一代机器人主要是做决定。智能机器人想要工作，主要从三个方面来学习人类的能力。首先是语言。一般情况下，任何场景下机器人使用的语言，首先都要有人工，客户服务中心积累语料，正常的人和用户交谈，看他怎么说话。无论客户服务、电销还是其他场景，人工客服和用户如何交谈，都是聊天的内容，说话的方式。其次是声音，机器人的上代产品更多地使用了 TTS【8" http-equiv="Content-Type"/> 】 (Text To Speech)语音合成【语音合成是通过机械的、电子的方法产生人造语音的技术。】技术。事实上，里有各种各样的智能音响，你去问问题，它在为你播放东西的时候，就是在进行语音合成，你可以听出合成的效果。里面的一些声音，语调，音色和真实的人还是有些不同的。如今，市场上所有的语音合成，包括国内的中文【中文（Chinese），字面意思是中国文字（特指汉字），广泛意思是中国语言文字（包括少数民族语言文学）。】语音合成，只要听得细一点就能听到。第一，语音合成的声音多会比较平坦。第二，里面没有情绪，很多情绪都听不见。因此，下一代机器人声音必须更接近于人工音效，或使人工音效变平。关键在于做决定，因为人们在对话中，除了听和说这些能力外，大脑还会理解对方想要表达什么。就像另一个人说的话，我心里一定会想，他说的话到底是什么意思。在我了解这个句子的意思后，我还会考虑怎样回答他。当我回答他的问题和意图时，我一定会带着自己的目的。根据我的目的，脑子里想一个字，想完了，这个字就会说出来。实际上是这样的一个过程。制作一个机器人，首先要了解过去的人如何与用户交谈。在过去的几年里，每个人的决策都做得很简单，后台人工通过拖拽的方式，配上一段对话的逻辑出来。但这完全是基于人的体验，如果用户表达的内容不在逻辑圈内，跳出来，机器人就不知道该如何回答。从后面看，智能语音机器人做出决定的能力跟在人类后面，可能是10年，20年，甚至更久。事实上，从现在起，我们就要采取行动了。