在人類語音的機器翻譯領域內的進展還遠遠沒有發(fā)展到為主流用戶帶來實質性好處的地步，與機器對話依然還不太順暢。目前在低功耗音頻技術方面的開發(fā)活動具有了改善這種永遠是瓶頸的人-機交互關系的潛力，而這種先前曾阻礙了語音識別領域內真正進步的瓶頸將被突破。一條通往人-機互動領域內快速創(chuàng)新的道路正在開啟，這將沿著我們與機器互動的方向引領諸多有趣的開發(fā)活動，這些機器將能夠傾聽我們，而且越來越多地聽懂我們。

　　語音也許是人類最自然的交流方式，但是將一臺機器引入到該過程則產生了對新的行為協(xié)議的需求，特別是在語音溝通過程中沒有另一方持續(xù)視覺線索的時候更為重要。對于早期的用戶，第一次電話通話是極不順暢的；而且即使在今天，雙向無線電臺的斷續(xù)通話方式也要求新用戶進行一些調整。在這兩種情況下，很快就發(fā)展出來一些常用的方法來實現(xiàn)相當自然的溝通方式，主要是因為通話的另一方也是人類。隨著移動用戶面臨新的語音識別界面，他們將面臨與使用那些很老的通信手段時所出現(xiàn)的類似挑戰(zhàn)。

　　一個更近期的例子是，觸摸屏革命展示出了它們如果能實現(xiàn)高品質同時具有可為用戶體驗帶來附件價值的功能時，新的、陌生的、棘手的界面如何切入到主流應用并且受到歡迎。

　　因此值得去在一個比傳統(tǒng)案例更為廣泛的意義上去定義語音控制的“性能”。因而能夠在考慮到下一代瓶頸時，設計出更多不會過時的解決方案。

　　構建一種高性能的語音識別解決方案

　　過去一直用非常簡單的性能指標來評估語音識別解決方案。這些指標通常被換算為單獨的“精度”或者“命中率”數(shù)值，從根本上來表述正確識別字和詞組的概率。在定義“性能”時，需要一種更廣泛的和深思熟慮的方式，它能夠反映語音界面的長期發(fā)展?jié)摿Γ员阆蛴脩籼峁┫裼|屏界面一樣的舒適性和可用性等級。

　　翻譯質量扮演了一個關鍵的角色，從根本上講它是一種人工智能，遠不止基本的字詞識別。訪問所有設備功能也使語音識別成為了觸摸屏的一種切實可行的替代方案，有趣的是這也使該技術可用于一個更大范圍的設備種類，包括像可穿戴技術這樣更小的設備。低響應延遲以及一種自然的、“無協(xié)議的”的交互方式，以及即使在有噪音環(huán)境中也能很好地運行，也改善了體驗。這要求精心的系統(tǒng)設計，以使設備級的信號處理技術能夠與基于云計算的智能很好地結合，以將這些性能增強帶給用戶。

　　去除按鍵

　　語音識別目前最大的人體工程學局限性是需要進行按鍵或者其它機械性啟動，從而限制了它在許多環(huán)境中的可用性。這種機械觸發(fā)是功耗這一制約因素的終極結果。為了保持具有競爭力的電池壽命數(shù)值，移動設備中待機功耗的預算都極低，典型的電池電流值為單位數(shù)毫安。當功率預算這么低的時候，連續(xù)地運行語音識別(或者至少隨意的語音識別)是不可行的。

　　到目前為止，一個按鍵觸發(fā)器為這個問題提供了一種粗放的解決方案，它通過在按下按鍵之前禁用語音識別，使功率消耗平均值降到最低。但是，現(xiàn)今的語音觸發(fā)功能作為一種特性正在被加載到最新的高端音頻中樞(AudioHubs)上，因為OEM廠商希望語音識別功能能夠更靈活、更易于使用。通過顯著地降低語音識別的平均功耗數(shù)值，甚至降到待機模式預算范圍內這樣的水平，允許主處理器“休眠”。這種功耗降低(通常為一個數(shù)量級)是如此的顯著，以至于可以完全消除對按鍵的需要。