在「語音是人機互動最直觀的方式」成為行業(yè)共識的今天盹廷，小到燈泡征绸、玩具、音箱俄占，大到家電管怠、汽車等，承擔智能體驗升級任務的語音服務幾乎無處不在缸榄。

對于廠商排惨、個人開發(fā)者來說，如想讓自己的產品具備語音交互的能力碰凶，亞馬遜 AVS、Google Assistant SDK 等品牌廠商提供的接口和開發(fā)套件是個不錯的選擇鹿驼。

這些實現(xiàn)方案相對成熟欲低、集成難度比較低，但其采用的云端處理信息的方式難免會讓用戶對隱私畜晰、信息安全存在擔憂砾莱。

來自法國的初創(chuàng)企業(yè) Snips 在近期推出一款了全新的語音平臺，供企業(yè)凄鼻、個人建立自己的語音助手腊瑟。該平臺最大的好處在于聚假，語音信號處理可離線完成，直接避開將信息傳輸至云端這一過程闰非。同時膘格，在 Snips 語音平臺上創(chuàng)建一個語音助手的步驟也非常簡單。

自定義喚醒詞：

廠商或者個人開發(fā)者可根據自己的喜好給語音助手定義喚醒詞财松。Snips 平臺已內置深度學習引擎瘪贱，能準確判斷用戶是否在呼喚語音助手。

目前辆毡，Snips 僅支持英語和法語菜秦，有需要的開發(fā)者可借助第三方的自動語音識別 API 來轉換成其他語言。

離線使用：

普通語音助手一般將拾取到人聲傳輸到云端服務器當中進行文本處理舶掖，再將反饋結果合成語音輸出給用戶（這個過程被稱為 TTS）球昨。Snips 則可以在本地離線完成這一過程。

基于知識圖譜的自然語言理解：

可以說眨攘，對用戶的提問做出回應是語音助手最基本的能力主慰。因語言使用習慣的差異性，對于同一個問題期犬，不同用戶河哑、同一用戶在不同時間都會產生不同的問法。

針對這一需求龟虎，Snips 已經有一套用于建立離線「知識圖譜」的數據生成服務器璃谨。廠商和開發(fā)者可以在這個服務器系統(tǒng)上建立問答數據庫。比如「could you please turn on the bedroom light?」這個問題鲤妥，你只要將「light + bedroom + on」這三個詞語設置為關鍵詞佳吞，并在這個基礎上衍生出一些問句即可。

但如果你不想花費那么多時間手動輸入大量的提問示例棉安，大可以花費 100 到 800 美元底扳，讓 Snips 幫你把問題投射到 Amazon Mechanical Turk 或其他數據庫集成平臺，最終將打包好的數據發(fā)送給你贡耽。

至于這些知識圖譜數據庫衷模，你可以將其運用到自己的語音助手或者其他聊天機器人產品上。另外蒲赂，你還可以將這些預先受到訓練的數據開放出來供其他開發(fā)者使用阱冶。

易更新：

基于 Snips 這個平臺，語音助手的更新工作也十分的便捷：在設備上已經下載了 Snips 應用的情況下滥嘴，你只需要一個更新的壓縮包即可完成升級木蹬。

雖然 Snips 平臺上已經有不少開發(fā)者，包括家庭多媒體機器人廠商 Keecker 也已經在他們的產品中使用其在 Snips 上開發(fā)的語音助手若皱。但 Snips 還有一個更遠大的愿望镊叁，就是讓 Snips 平臺應用到產品化程度更高的未來產品中尘颓，比如部署到自動咖啡機，你只需要跟語音助手進行簡單對話晦譬，就能讓它為你準備出一杯咖啡疤苹。

「去中控」也是 Snips 語音平臺的設計思路。目前市面上大多數智能門鎖蛔添、智能燈泡痰催、安全攝像頭等需要綁定 Echo、Google Home 這樣的一個中控設備才能接收到語音的指令迎瞧，這也是物聯(lián)網布局的慣有做法夸溶。不過，當每一個設備都擁有語音助手的對話能力后凶硅，用戶的指令也就可以指向設備本身缝裁，而不需要經過中控。

相對于亞馬遜 Alexa 和 Google Assistant 這類基本滿足家居足绅、車載捷绑、移動等所有場景應用的語音助手不同，Snips 更希望針對各個垂直場景打造一個語音交互「離線包」氢妈，而不是一個全能助手粹污。例如，掃地機只需要了解關于「掃地」這一本職工作的指令方式即可首量，因為你一般不會命令一個掃地機給你播放音樂壮吩。

目前，Snips 正繼續(xù)探索前沿性的技術和工具加缘。公司于今年上半年獲得 1300 萬美元融資鸭叙，截至目前，Snips 共計獲得融資 2100 萬美元拣宏。公司在法國巴黎沈贝、美國紐約兩地均設有辦事處。