与流行的以英语为中心的观点相反，英语不是*上说得*多的语言，也不是以英语为母语的人数*多的语言。事实上，西日耳曼语排名第三，其次是印地语、阿拉伯语、葡萄牙语、孟加拉语和俄语。普通话和西班牙语排名*和第二。
令人惊讶的是，谷歌助手，苹果。Siri、亚马逊的Alexa和微软的Cortana我们只能识别一些相对较小的语言。直到今年秋天，三星的语言Bixby只是得到了德语、法语、意大利语和西班牙语的支持。全*有6.16亿人使用这些语言。Cortana精通西班牙语、法语和葡萄牙语需要几年时间。
那么，为什么创新的步伐如此缓慢呢？如果你想找到答案，*好从训练语音识别算法的技术开始。事实*，人工智能助手比我们看到或听到的要复杂得多。
为什么要让语音助手支持一门新语言如此困难？
增加对语音助手的支持是一个多措并举的过程——在语音识别和语音合成方面需要大量的研发工作。
创业公司从语音交互的角度来看，有两件事是相互独立的，Clinc商品副总裁Himi Khan接受VentureBeat采访中说。一种是将语音本身转化为某种视觉文档格式的语音到文本的行为。接着是自然语言处理部分。
如今，大多数语音识别系统都使用深度神经网络-神经元数学功能层。随着时间的推移，这个功能会自我完善——预测音素，或者感知不同的声音单位(例如，英语单词pad、pat和bad中的p、b和d)。以前的自动语音识别(ASR)技术依靠手工调整的统计模型来计算句子中单词组合存在的概率，而深度神经网络则不同，将声音(通过分段谱图或声音频率谱的表达方式)转化为字符。它不仅降低了错误率，而且在一定程度上消除了人工监督的需要。
但是基本的语言理解是不够的。如果没有本土化，语音助理就不能理解文化特征——或者更糟糕的是，不能理解不同文化之间的适度规范。Next IT首席技术创新官员Joe Dumoulin接受Ars Technica在采访中，建立一个新的语言查询理解模块需要30到90天，具体时间取决于该模块需要包含多少意图。即使是市场*的智能音响，如谷歌和亚马逊，也很难理解含有某些口音的方言。9月由Vocalize.ai一项检测发现，苹果的HomePod和亚马逊的Echo该设备只能捕捉到78%的中文单词，但这一比例在英语和印度语中占94%。
Khan他说：在核心方面，有些语言之间的差距很大。例如，在英语中，修饰词通常出现在名词之前，副词可以出现在名词之前，也可以出现在名词之后。有一个很好的例子：如果有人说，Starfish，就会变得更难理解。按照你的语音文本转换引擎和类似的物品，你可以很容易地说：star”和fish把它作为修饰词或单个名词联系起来。使用了各种各样的术语，你必须适应不同的演讲方式。”
学习一门语言已经足够困难了。亚马逊Alexa AI2018年8月，该单位的研究人员描述了其中一个潜在问题。客户经常在连续的问题中调用多个语音应用程序，以便与助手进行常见的聊天。这类应用程序再次使用变量-例如town”和city”。如果有人问方向，然后问一个关于餐厅区域的问题，一个训练有素的助手需要知道在回答这个问题的时候应该参考哪些线索。
接着，助理必须做出回应。如果没有，他就没什么用了。
而且从文本到语音都很先进(TTS)系统像谷歌Tacotron 2(基于谱图构建语音合成模型)和WaveNet(建立一个基于波形的模型)或多或少地从语音中学习语言。
语音助手支持的语言
谷歌助手
今年1月，谷歌助手增加了20多种新语言的支持，谷歌助手凭借他们能理解的语言数量获得了*名。目前已广泛应用于80个国家的30种语言，但2017年仅有8种语言和14个国家。它们包括:
阿拉伯语(印度、沙特阿拉伯)
孟加拉语
中文
丹麦语
荷兰语
英语(澳大利亚、加拿大、印度、尼西亚、爱尔兰、菲律宾、新加坡、泰国、英国、美国)
法语(加拿大，法国)
德语(奥地利，德国)
古吉拉特语
北印度语
印度尼西亚语
坎那达语
意大利语
日文
韩文
马拉雅拉姆语
马拉地语
挪威语
波兰语
葡萄牙语(巴西)
俄语
西班牙语(阿根廷，智利，哥伦比亚，秘鲁)
瑞典语
泰米尔语
泰卢固语
土耳其语
乌尔都语
苹果Siri
直到今年1月，苹果的Siri在支持语言的广度上，它一直*于谷歌助手。目前，它支持中文、荷兰语、英语、法语、德语、意大利语和西班牙语的21种语言，以及数十种方言:
阿拉伯语
中文(普通话，上海话，广东话)
丹麦语
荷兰语
英文
芬兰语
法文
德语
希伯来语
意大利语
日文
韩文
马来语
挪威语
葡萄牙语
俄语
西班牙语
瑞典语
泰语
微软的Cortana
Cortana2013年4月在微软。Build developer会议首次亮相，然后通过与亚马逊的合作，Windows 十、耳机，智能音箱，安卓，iOS、Xbox One，甚至Alexa上*。Cortana可能没有谷歌助手和谷歌助手支持的语言。Siri那么多。即便如此，它在六年内取得了长足的进步。下面是它可以识别的语言：
中文(简体)
英语(澳大利亚，加拿大，新西兰，印度，英国，美国)
法语(加拿大，法国)
德语
意大利语
日文
葡萄牙语(巴西)
西班牙语(墨西哥，西班牙语)
和Siri一样，Cortana同时也进行了广泛的本土化。英法女演员 Ginnie Watson配音版包含英国口音，使用英国习语；而中文版则是说普通话。
亚马逊Alexa
Alexa它可用于41个国家的150多种产品，但是它支持的语言是语音助理中*小的：
英语(澳大利亚、加拿大、印度、英国和美国)
法语(加拿大，法国)
德语
日语(日本)
西班牙语(墨西哥，西班牙)
平心而论，亚马逊已经竭尽全力扩大新地区的本土化。Alexa去年进入印度市场时，它推出了一种全新的英语语音，能够理解当地的发音，并且能够用当地的发音交谈。
值得注意的是，情况正在改善。亚马逊说，超过一万名工程师正在研究他们。NLP通过众包的方式，协议栈的各种部件逐渐扩大了对语言的支持。这家公司去年*了一个名字Cleo游戏技能奖励用当地语言和方言重复句子的用户(如普通话、印地语、泰米尔语、马拉地语、卡纳达语、孟加拉语、泰卢谷语和古吉拉特邦语)。
三星Bixby
三星的Bixby旗舰和中端搭载在三星Galaxy智能化手机系列及即将推出的系列Galaxy家庭智能音箱。Bixby全球200个市场都有*，但是只有少数几种语言支持这些国家：
英文
中文
德语
法文
意大利语
韩文
西班牙语
在历史上，三星曾经遭遇过NLP挫折。2017年3月，《华尔街日报》报道称，三星被迫推迟了英文版。Bixby出版，因为它不能理解某些句法和语法。
未来如何改进语言支持？
显然，一些语音助手在语言上取得了更大的进步，而另一些语音助手仍在挣扎。怎样才能让这些落后的语音助手奋起直追？
Khan感觉，更依赖机器学习可能会有帮助。
他解释说:处理多语言支持的主要挑战之一，实际上是相关的语法规则，必须考虑和适应这些语法规则。NLP模型是用一个句子作词性标记——从某种意义上识别语法或语法，并建立规则来确定如何解释语法。
Khan据说有一个真实的神经网络栈——一个不依赖语言库、关键词和词典的栈——关键点从语法转移到单词嵌入和单词嵌入的关系模式。然后，语音识别系统几乎可以在任何语言中训练。
这便是Clinc方法——它声称自己的技术或多或少与语言无关。该公司通过向大量以英语为母语的人提出开放式问题来构建corpa，举例来说，如果你能打电话询问你的个人财务状况，你会怎么说？这种反应被视为现实*中常用的调优器数据。
只需使用一种本地语言来管理和建立这些数据，Clinc声称只需3-500个发音，就能增加对一种语言的支持——比传统统计方法少几千个。
我们用来训练人工智能的所有数据都是由母语者建立的，Khan 说到这里，人工智能可以*消费者的实际行为。
Aiqudo模型不需要理解整个语言——只需要理解意图。例如，仅从动作指数就可以知道，Make a dinner reservation for tomorrow at seven p.m. at Avia在这句话中，Avia也许指的是一家餐馆，而不是电视栏目。
该企业CEOJohn Foster接受VentureBeat在电话采访中说:我们可能无法真正理解语言本身。我们所做的基本上是利用我们能得到的数据提前训练我们的算法，然后我们计算这些单词在页面中的位置，以及它们在页面中与周围其他单词相比的位置。这是我们在各种情况下阅读这些单词意思的基础。
本地化只需构建特定区域的操作检索即可。(巴塞罗那的Avia也许是墨西哥城的Avia这是不同的。)这样做不但Aiquido该模型可以相对*地获得对新语言的支持，并使其能够处理西班牙式英语等混合语言——与单词、关系和习语相结合的语言。
Foster 说:我们的模型不会被(混合语言)搞糊涂，因为(当)他们看印地语句的时候，他们只是在寻找意图。如果有些单词是英语，有些是印地语，没关系。
毫无疑问，谷歌、苹果、微软、亚马逊、三星等公司已经使用。Foster和Khan所描述的技术为各自的语音助手增加了新的语言支持。然而，一些公司*一步，而另一些公司不得不与剩余系统竞争。
温馨提示：
