AI語音助理百花齊放 高SNR麥克風革新人機互動
在這個充滿精彩創新的時代，AI徹底改變了日常生活型態，同時ChatGPT等工具透過直觀易操作的文字和語音互動，重新定義生產力標準。隨著採用AI技術的系統持續進步，傳統商業模式、信念與假設均面臨前所未有的挑戰。
語音在新興AI生態系統中扮演什麼角色？身為企業領導者，是否該重新思考經營信念？高品質音訊輸入是否會因為生成式AI興起，重要性日漸降低，或反之成為協助普及AI服務和個人助理的關鍵要素？
AI從得力助手到最佳夥伴
根據問題的內容與形式來調整回答方式，是人類的自然本能。人聲中其實包含了各種提示，可用於判斷發問者的年齡、性別、社會文化背景以及情緒狀態。此外，辨識發問者所處的環境，例如是在機場、辦公室或交通運輸工具上，或是否在從事跑步等體能活動，也有助於判斷發問者的意圖，並據此調整答案或對話模式。
雖然AI的能力已有長足進步，但仍有一種觀點認為，AI輔助功能無法正確預測人類問題的目的，或精準解讀特定訊息。為了改善人機互動，AI在選擇回應措辭時應考慮三個關鍵因素：對聽者的瞭解、聽者的情緒狀態以及環境背景。
在多數情況下，憑藉接收到的音訊訊號，便足以擷取出有用資訊，並以此做出適當回應。與素未謀面的人進行電話或語音會議即是一例。更須考量的是，在無法進行面對面互動的情況下，經過反覆對話後，人們對彼此的觀感會如何變化。
近期研究顯示，即使僅是微調AI的語言回應風格，也會明顯影響人們對其社交能力和個性的看法。因此可合理假設，只要能取得充分且理想的語音輸入內容，未來AI系統將能有效發揮陪伴功能，充當類似人類朋友的角色，例如主動詢問並提供切實回應，或在適當時機單純聆聽而不做出評判。
人類如何接收音訊訊號？
如同口頭溝通，語音訊息也是採用語言和文字來傳達思想、感受和想法。此外，溝通過程中的其他元素，例如音調、速度、音量和背景噪音，都會影響聽者對訊息的整體感知。
圖1 人類聽力臨界值
圖2 人類聽力臨界值與年齡的關係
從科學角度來看，頻率和聲壓位準是人耳能感知到音訊訊號的兩大關鍵因素。聲壓位準(SPL)以分貝(dBSPL)為單位，表示周圍環境大氣壓力振盪的聲壓振幅。若SPL為100dBSPL，則相當於割草機或直升機所發出的巨大噪音。
S...
2025 年 04 月 25 日
