AI語音助手的“蠢”，好像全世界都知道。不管是Siri還是小愛同學，大部分使用過所謂“AI語音助手”的用戶大概都同意，它們肯定不算聰明。尤其是在ChatGPT出來之後，這種對比尤為明顯，甚至包括微軟的最高話事人也在批評自傢的語音助手。
微軟 CEO 薩蒂亞·納德拉最近在接受英國《金融時報》采訪時表示，蘋果的 Siri、亞馬遜的 Alexa，微軟自傢的 Cortana（中文名：小娜）以及公認拔尖的 Google Assistant，這些語音助手有一個算一個：
都笨得跟石頭一樣。
納德拉和 Cortana，圖/微軟
2014 年 4 月，納德拉剛剛上任微軟 CEO 兩個月後的微軟 Build 開發者大會上，微軟全球副總裁喬北峰正式推出 Cortana。在最初的幾年，Cortana 表現不俗的智能，也受到包括納德拉在內微軟高層的集體認可，納德拉在 2016 年還稱贊 Cortana 的智能，並說“機器人是新應用”。但 Cortana 的智能（橫向比較）和市場份額越來越糟糕，到 2021 年微軟就正式宣佈停止支持 iOS 和 Android 上的 Cortana 應用，僅保留對 Windows 平臺的支持。
更重要的是，OpenAI 帶著 ChatGPT 來，微軟直接拿到 AI 時代目前為止最好的一張船票。與此同時，語音助手在過去幾年基本陷入停滯，Siri 的聯合創始人 Adam Cheyer 也承認，ChatGPT 理解復雜信息的能力讓現有的語音助手看起來很蠢。
但換句話說，如果能在語音助手上實現類似 ChatGPT 理解復雜信息的能力，Siri 和小愛同學是不是就能重獲新生？
至少很多人已經開始嘗試。
個人開發者的嘗試
ChatGPT 出現後不久，互聯網上其實就有一大堆的新想法，聲量最大的一個是改變“搜索”，如今已經成為搜索引擎巨頭的共識，微軟必應已經在測試，Google和百度也提前進行預告。而另一方面，也有不少人在驚嘆於 ChatGPT 的自然語言溝通能力之餘，期望會推出語音助手版本的 ChatGPT，替代掉目前不堪一“談”的語音助手。
在今年又一輪爆發之後，盡管我們還是沒看到 OpenAI 或者微軟推出對應的語音助手版，但已經有開發者進行大量的嘗試。
xiaogpt，圖/GitHub
在全球最大的代碼托管平臺 Github 上，就有開發者嘗試將 ChatGPT 接入小愛同學，Star 數已經達到 1.3k。據項目介紹，隻要有 ChatGPT 的賬號、小愛音箱、正常連接 ChatGPT 的網絡以及 python 3.8+，人人都可以在小愛音箱上使用“ChatGPT 版小愛同學”。
原理上很簡單，喚起小愛同學後，以“幫我”開頭詢問的問題會自動以文本形式發送一份給 ChatGPT，同時會屏蔽小愛同學原本的回答，替換成“正在問 GPT，請耐心等待”，而 ChatGPT 生成的文本則會被小愛同學通過 TTS（語音合成技術）進行語音回答。
從開發者的顯示，整個過程足夠流暢，實際回答也遠超小愛同學原本的“智力”。（具備條件可搜索 GitHub 項目“xiaogpt”）
演示，圖/YouTube
不僅是小愛同學，另一位更為大眾調侃的“智障”語音助手——Siri，實際上更早就被開發者嘗試接入 ChatGPT。
圍繞 Siri 其實有不少嘗試，其中國內開發者@Yue-Yang 最近就以“快捷指令”形式連接 Siri 和 ChatGPT，讓 Siri 變成真正的 AI 聊天機器人。在 GitHub 或者“小眾軟件”上你都能找到對應的快捷指令——智能聊天，不過使用條件是需要申請 OpenAI 的付費 API。
“ChatGPT Siri”在原理上與“xiaogpt”類似，利用 OpenAI 的 API（應用程序接口）和 iOS 的特性，先將語音指令轉換為文本再傳遞給 ChatGPT，收到回答後再讓 Siri“讀”出來。在 B 站上，通過搜索“ChatGPT Siri”可以查看對應的。
ChatGPT Siri，圖/GitHub
當然，以上兩個項目都是個人開發者的嘗試，也包括其他類似的項目，不管是使用體驗還是上手門檻，都並不適合普通用戶。考慮到語音助手的技術、產品和生態，大公司的入場很可能降低門檻、提高整體的使用體驗。
問題在於意願和能力，很多公司其實也看到站在 ChatGPT 的“肩膀”上重新打造語音助手的可能性，但在全球范圍內，真正同時手握 AI 能力和語音助手背後生態的公司總共也就那幾傢。
巨頭的入場，不遠
與搜索一樣，ChatGPT 不可能直接取代現有的語音助手。一方面語音交互的優勢在於直接、易上手，很多任務通過觸控、文字輸入等方式不僅繁瑣、更耗時間，同時對於老人、小孩等用戶也偏於復雜，自然的語音交互則能比較輕松地實現。另一方面，ChatGPT 並不能對現實層面進行直接幹預，比如我們用 Siri 或者小愛同學操控空調、掃地機器人等。
ChatGPT，或者說生成式 AI 更大的價值在於通過強大的自然語言理解和溝通能力，來改善語音助手的使用體驗。
小愛同學 5.0 發佈現場，圖/小米
過去我們總抱怨 AI 太笨，要麼答非所問，要麼幹脆就是“我沒有明白”，基本幾輪對話就會感到心累，轉向對功能性的需求，比如天氣、問題查詢、智能傢居操作等。相反，ChatGPT 的對話能力則基本不用擔心，盡管可能會有錯誤信息，但至少不會像 Siri 和小愛同學那樣溝通成本太高。這也是多年的發展停滯之後，語音助手的關鍵機會所在。
2 月底，微軟在推出支持 AI 對話的新必應之後，又支持 Android 和 iOS 版本，並且在 AI 對話中第一次增加語音對話功能，用戶如果使用語音開啟對話，新必應也會使用語音回應。不過就現在而言，新必應的語音對話功能還僅限於對話，並不能用來進行一系列操作，比如在手機上喚起某個系統或應用的功能，也不支持設置為默認的語音助手。
語音功能加入，圖/微軟
此外，微軟自傢的 Windows 平臺也還未支持，目前為止尚未流出 Cortana 或其他新語音助手加入類 ChatGPT 能力的消息。
而更早些時候，小度官方在 2 月初宣佈，AI 語音助手小度將在未來融合百度文心一言的全面能力，同時在此基礎上還將打造針對智能設備場景的人工智能模型“小度靈機”並應用到小度全系產品。而據小度官方數據，搭載小度的智能設備已經進入 4000 萬戶傢庭。
當然，按照百度此前的規劃，文心一言要在本月才上線測試，距離小度全面接入文心一言的顯然還需要一段時間。
另一方面，Google也早早看到這一點。2021 年的 I/O 大會上，Google就首次宣佈將 LAMDA 大語言模型的對話能力整合入 Goolgle Assistant、搜索和 Workspace。今年 2 月，Google推出類 ChatGPT 的聊天機器人 Bard 之後，接入 Google Assistant 似乎也是題中應有之義，包括 9TO5Google、《連線》雜志也認為Google應該這麼做。
就像人人都知道語音助手的“蠢”，所有人也看到 ChatGPT 讓語音助手們至少在理解人類語言和對話上“變聰明”的很大可能。
“賈維斯，有時在你學會走之前得先跑起來”，圖/《鋼鐵俠》
過去我們都暢想過，有一個數字語音助手可以在日常生活中幫我們解決各種需求，就像《鋼鐵俠》裡的賈維斯，現實是 Siri 和小愛同學們距離聽懂人類的話還差很遠，充斥著各種“不明白”“聽不懂”。
的確，現實世界的技術還趕不上科幻世界的想象很正常，但 ChatGPT 背後強大的對話語言能力，無疑可以讓語音助手們能夠更流暢地與我們對話，讓我們更感覺在對話的是一個“智商在線”的 AI 助手，而非對牛彈琴。而對於智能音箱和智能傢居廠商，這也意味著更高的用戶粘性和使用率。
更或許，當 AI 越來越聰明並理解人類，智能傢居乃至物聯網的未來也會隨之發生巨變。