对话产品经理|理想同学是怎样炼成的？

要论一辆智能电动车的自我修养，我认为智能语音一定是人类和车之间产生情感的重要催化剂。在众多的科幻电影中，都有让人印象深刻的人工智能机器人，比如像《流浪地球》里的莫斯、《钢铁侠》里的贾维斯等等，脑洞再开一点，理想同学何尝不是我们的莫斯和贾维斯呢？

OTA 2.2版本已陆续推送，自研的理想同学从小学生升格为初中生，这次升级对于每天和它接触的车主来说，会有较为明显的感知，而理想同学变化的背后，是一群人对它的训练、提升和打磨。今天我就代表关心理想同学的车主们，跟语音团队的产品经理老胡，好好聊聊理想同学的过去、现在和未来。

做适合东方人的智能语音

与老胡的第一次见面，是在理想研发总部的一楼会议室，我推门进去的时候，他还在对着电脑专注地敲键盘，一抬头，别说，还有点理想同学呆萌的样子。

因为我们的工区不一样，所以这也是我跟老胡的第一次见面。寒暄、递水、聊家常，一套完整的“待客”流程后，突然老胡说道，“你知道之前为什么大家会觉得理想同学笨吗？因为东方人的第一次见面是先聊天，再谈事，第一印象很重要。”

根据后台数据显示，车主们跟理想同学首次见面时，大多数不会先下指令，而是会先查户口，比如会问“你几岁了？”“你吃饭了吗？”“你对象是谁？”，如果这些家长里短的问题答的不好，就会被留下“笨”的印象，这就是东方人的习惯，因为在潜意识里，会把理想同学当成一个有感情的“人”。

做适合东方人的智能语音，这是老胡一直挂在嘴边的。基于这个背景之下，理想同学跟车里的人应该是一种什么关系？朋友、助手、玩具还是其他类型？不同定位它的功能倾向就会不一样，也决定了产品表现。

因为理想汽车的品牌理念是“创造移动的家，创造幸福的家”，所以老胡对理想同学的定位是管家（当前阶段）和家人（未来目标），管家背后是高智商，家人背后是高情商。

先来说说管家，一个好的管家可不是那么容易当的，可分为初、中、高三级。

初级管家的能力是听懂用户指令。“你跟他说去把灶台上火给打开，他就给打开了，你说把锅架上去，他就把锅架上去了，你说放油就放油，放菜就放菜，但你要跟他说你给我做个饭，他就不会。”老胡对于初级管家的描述通俗易懂。

中级管家的能力是听懂用户需求。比如当你说“我想看星星”，天窗就自动打开了，当你说“车里有点热”，空调就自动调到22度。中级管家是具备一定理解能力和创造力的。

高级管家的能力是可以洞察用户的需求。比如说你上车后脱下外套，用手扇了下风，高级管家可以判断你热了，主动询问是否打开空调降温。对于高级管家来说，要有很强的感知能力，这就要配合视觉方案了。

家人的定位，跟管家有一个比较清晰的分界线，就是我们允许家人有点“笨”，可以这不会那不会，但是家人能跟你产生情愫。

跟AI产生感情，这不是不可能。“我们认为理想同学关于家人的那个定位，找了很多词去形容，最后找到一个，我觉得是现在最有代表性的，叫做牵绊感。”老胡说，当我们的车主跟朋友换车开，他会因为车上没有他的理想同学而难受，会很不舍时，这种牵绊感就已经存在了。

理想同学要想成为一个好家人，需要经历四步。一是建立关系（相遇），彼此知道对方是谁，也知道各自立场，当理想ONE的钥匙交到自己手里那一刻，就建立了关系。第二步是情感探索（相识），可以聊家常，知道彼此的性格、兴趣爱好、家庭信息等等。第三步是情感交流（相知），情感交流和情感探索之间有一个清晰的分界线，就是聊价值观，可以探讨观点，可以对世界的黑白灰交换意见。第四步是产生牵绊（相依），人与AI之间有了感情依赖，会出现不适应没有Ta的生活，这就是终极阶段。

管家和家人的角色，并不是一个进阶关系，而是共生关系，只是现阶段想做到家人的牵绊感太难，这只存在于科幻电影中，但是在将来一定可以实现。

智能语音的终极挑战—车载生态

汽车工业，一直被誉为现代工业体系中的掌上明珠。在智能电动车时代，这个地位依旧没有改变，只是从过去追求机械的极限，变成了追求万物互联的无极限。智能语音作为智能电动车最核心的交互方式，已经成为必须要占领的高地。

智能语音的实际使用场景中，共有六大类型，分别是音响、电视、可穿戴设备、机器人、手机、车。其中最难的场景就是车。“车载人工智能是人工智能所有产品里面最有深度，最有高度，最复杂的产品，也是最有可能做出牵绊感的产品。”老胡说，做好了车的智能语音，其他场景都是向下兼容，所以要做就要挑战行业里最难的领域。

像音响、电视、可穿戴设备等，都是单人单向的指令，更像是通过语音来进行搜索，但是在车内的话，就要解决人工智能领域中一个很著名的场景难题—“鸡尾酒会”。是指在一个嘈杂的鸡尾酒会上，人类可以随时判断是谁在跟自己说话，但是人工智能想判断准确就非常难。在车内的多人环境中，同样面临类似问题，这是车载语音面临的第一大难点。

车载智能语音的第二大难点是复杂庞大的生态接入，比如说导航、音乐、视频软件等，以及整车的车辆控制。在智能语音的神经网络里，可以理解为是一个3D立体世界的样子，QQ音乐、高德导航、车辆控制都是一个个房子，每一个指令进入这个世界后，都会去先找到对应的房子，然后再进入房间找到想要的东西，这个“东西”就是大家发出指令后想实现的功能。

随着各类房子越来越多，里面成百上千的“东西”也越多，对于语音的算法要求也越高。更重要的是，不同房子的背后，都是一个完整独立的团队，语音团队要挨家挨户的敲门、熟悉、制定迎客策略，这样才能保证车主的良好体验。

第三大难点，是对用户工具化需求和情感化需求的权衡。一部分用户希望理想同学别说话，默默高效的执行指令，一部分用户希望理想同学做个人，有自己的性格一点，可以跟自己逗乐解闷。所以，如果能做出一个千人千面的理想同学，那真是集人工智能之大成了。

理想汽车的语音团队已经做好战斗的准备，整个团队主要分为五大块，分别是产品、项目、设计、研发、测试，各司其职各有分工，目标就是把理想同学做到行业里的顶尖水准。

当前市面上把智能语音落地的公司主要分为三种类型：第一类是行业中以提供解决方案为为主的供应商，如一线互联网大厂，它们有很强的技术和路径实现的能力，但是没有做终端产品；第二类是像部分车企，需要语音供应商解决全套的方案，他们对用户和场景理解深刻，却在技术和产品上投入不足；第三类是自己有终端产品，自己也可以定义语音产品，有完整的自研能力。过去，理想汽车是第二类，但当去年自己的语言团队集结完成后就属于第三类了，虽然这条路更难，但却是正确的选择。

寥寥数语，只能让大家对智能语音的产品逻辑和行业格局有个框架的了解，至于背后的繁复，老胡觉得那对于车主来说不重要，在车主心里只有两个标准：满意和不满意。在进入理想汽车之前，老胡是在一线互联网大厂负责语音业务，这次来到车企也是为了实现自己的理想。

“这次我必须选择一个第三类的公司，而且理想的产品是面向家庭的，场景非常丰富，内置有四音区，多块大屏幕，这给智能语音提供了良好的发展环境。然后理想同学是有温度的，这个车本身也是有温度，所以在关系层面，无论是管家还是家人，都可以做得很深入，我觉得目前没有比理想更好的平台。”这就是老胡来到理想的理由。

积蓄力量，迎接新生

自研的理想同学带着更完整、更高阶的功能来到每位车主的“家”中，老胡是紧张的，这是整个语音团队积蓄了半年多的力量，就为打造一套“服务全家人的自由对话系统”，实现对话自由、指令自由。

上一个版本的理想同学我认为有四个痛点，分别是唤醒对话效率不够高、掌握技能不够多、后排体验不够好、声音机械不好听。新版的理想同学针对以往痛点逐个解决，一次带来八种新功能：连续对话、想说就说、无效文本拒识、可见即可说、四音区识别及抑制、全车车控控制、跨音区上下文对话以及接近真人的全新人声。

1.连续对话

“连续对话”是新版本的核心。原来的版本中，每次唤醒理想同学，只能下达一个指令，比如说打开空调、打开座椅通风、我要听歌这三个指令，如果用语音操作一轮效率很低。在连续对话上线后，唤醒理想同学，可以一个接一个的下达指令，中间免去再唤醒，提高了效率，而且唤醒后20秒内它都会待命。

2.想说就说

“想说就说”是当车主指下达指令时，不用等理想同学把话说完，可以继续说下个指令，避免理想同学的“啰嗦”回应。在过去，理想同学说的时候无法听，听的时候无法说，属于单向进出，想说就说功能上线后，理想同学的嘴和耳朵就同时打开了，专业术语里叫全双工语音。

3.无效文本拒识

“无效文本拒识”主要是在连续对话期间解决“鸡尾酒会”难题，理想同学可以自动识别出谁给自己下达的指令，同时还可以识别出哪些是指令，哪些是闲聊的语言，这个阶段的理想同学已经会察言观色，自己决定哪些话题要参与，哪些不参与。

4.可见即可说

“可见即可说”可以理解为用声音代替手指去操作，看到什么就可以说什么。这样有三个显而易见的好处，一是理想同学支持的功能大幅增加，用QQ音乐举例，可以完全100%用语音进行控制，哪怕是动态的歌单、歌曲名也不在话下。二是因为全部功能都支持，可以不用去死记硬背支持的功能了。三是可以配合直达类的指令完成细腻的操作，如“换个版本”，“第三首”。当然，对于不可见也应该支持的操作，自然会保留不可见也可说的特性，做到对这一应用功能全量且符合预期的控制。

5.四音区识别及抑制

在理想ONE车内，主驾、副驾是两个音区，二排左、三排左是一个音区，二排右、三排右是一个音区，共四个。“四音区对话”是最符合“创造移动的家”理念的语音功能，因为理想同学照顾到了车上每一位乘客。无论你坐在哪里都可以享受到主驾的待遇，连续对话、想说就说、自动甄别有效指令、可见即可说都能实现。

其他品牌的智能语音方面，这些功能最多开放给主驾、副驾，只有理想ONE全部开放给二排、三排乘客，所以打造“让全家每个人都幸福的智能空间”不是简简单单的口号，而是实实在在的功能和细节。

6.全车车控控制

理想同学增强了对地图、空调、座椅和车窗的控制能力，新增68项技能进行语音设置。如大家想要的车窗挡位控制，可以说“车窗开一点/开一档/开两档”。

7.跨音区上下文对话

理想同学还支持跨音区上下文对话，是指当副驾说“空调调到22°”时，后排乘客唤醒理想同学后说“我也要”，理想同学就会把两个区域的空调都调好。如果担心坐在自己后面的娃娃捣乱，还可以直接关闭这个位置的收音权限，只需要一句“关闭后排左音区”，即可搞定。

8.接近真人的全新人声

“接近真人的全新声音”是让理想同学拟人化最直接的方式之一。在2.2版本里，理想同学的新声音基于深度神经网络语音合成技术打造而成，合成引擎从本地改为了在离线融合方案，微软MOS语音质量评测中的得分高达4.49分(满分为5分)。在摆脱机械化的发音后，理想同学的声音能够像真人一样具有情感表现力，使用户能够享受更真实自然、有温度的声音。

未来语音团队将打造情感更加丰富的"理想同学"，采用 “开心”、“遗憾”、“元气满满”、“伤感”等多样情感在对话中表达不同的情绪和态度，为用户提供多元化的语音交互体验。说得再多不如直接听一段语音吧。

以上，就是理想同学的变化，很期待也很感慨。期待自己的车上有这样一位“家人”，感慨人工智能的变化，短短几年时间，实现了从0到1的过程，而从1到10的阶段，将用更难以想象的速度大踏步前进，你做好迎接的准备了吗？

尾声

“早上好，现在是北京时间7点整，我已经为您关闭了理想X的勿扰模式，很高兴在金沙湾的清晨与您再见，下面我来介绍一下今天的基本情况。现在外面的天气为13摄氏度，多云，空气质量35，海底能见度61米，适合潜水。如您需要前往，我将需要13分钟自动驾驶到达，据我查询，您今天没有需要我帮您安排的日程，最后，祝您今日愉快！”

“出发。”