雖然這些問題的解決方案很好，但壞消息是，在未來一段時間內(nèi)，其中一些問題仍將存在于語音服務中。它們并不反映缺乏某些技術(shù)，而是人性和人際關(guān)系方面的因素。

　　下面，我們將討論語音服務中存在的三個問題以及解決這些問題的方法。

　　機器人呼叫或舊式的垃圾語音郵件繼續(xù)影響著語音服務。隨著語音機器人的發(fā)展，達到了一個新的水平。以前，垃圾語音郵件存在合理的物理限制 -- 運營商一次只能撥打一個電話。如今，自動呼叫中心每分鐘可以處理數(shù)百到數(shù)千個呼叫。

　　解決方案往往有兩種形式。首先，許多國家的監(jiān)管措施對邪惡的搶劫者實施法律處罰，對涉及個人數(shù)據(jù)的機器人呼叫計劃進行更嚴厲的處罰。其次，科技公司正在反擊。例如，谷歌在Pixel中引入了一種智能應答機，可以“回答”來電。如果程序算法將呼叫識別為“垃圾語音郵件呼叫”，則程序會掛斷。

　　這是一個有趣的解決方案，但所要求的資源龐大。而且，Google Pixel電話用戶數(shù)量與世界上的電話用戶總數(shù)量相比是很少的，如果運營商將這樣的智能助理包括在他們的線路中，他們的網(wǎng)絡就會“癱瘓”，因為整個基礎設施幾乎每天都需要分析數(shù)十億的呼叫。

　　邪惡的搶劫者也不會懶散地坐著。繞過各種防范的形式層出不窮，不誠實的搶劫者將繼續(xù)，直到他們看到投資回報。這就是電話垃圾郵件無法徹底根除的主要原因。

　　世界上有許多電信運營商，每個運營商的基礎設施運行良好 -- 只要你留在網(wǎng)絡中。如果您在同一個基礎架構(gòu)中撥打電話，您的呼叫將以高質(zhì)量和無失真的方式通過。但是，當有人呼叫網(wǎng)絡外部的基于云的聯(lián)絡中心時，呼叫會“流過”電話網(wǎng)絡并產(chǎn)生較低質(zhì)量的記錄。反過來也一樣。結(jié)果，呼叫者和呼叫中心員工（人或機器人）都要忍受低質(zhì)量的音頻。

　　這個問題是全球性的，可以通過創(chuàng)建一個公共網(wǎng)絡來解決 -- 而不是互聯(lián)網(wǎng)。在這種情況下，互聯(lián)網(wǎng)的最初目的是：將不同的網(wǎng)絡連接到一個全球系統(tǒng)中。當語音從一個網(wǎng)絡移動到另一個網(wǎng)絡時，問題就開始了，部分解決方案將是無處不在的5G實施。這將允許最大數(shù)量的用戶應用各種VoIP解決方案，避免使用通常的電話網(wǎng)絡。

　　5G可能過于樂觀，不僅僅是語音服務方面。即使在實施階段之后，也不會涵蓋所有運營商。因此，互連問題仍然存在。與電話語音垃圾郵件相比，我們至少可以看到語音質(zhì)量將逐年提高的可能性。

　　第三個問題，主要是商業(yè)用戶面臨的問題，是電話會議期間聲音的平庸質(zhì)量。這個問題的傳統(tǒng)解決方案是對房間進行“聲音”準備，最大限度地減少來自墻壁的聲波反射（相同的回聲和隆隆聲），減少來自外部聲源的聲音的穿透，并確定揚聲器的最佳布置和麥克風基于預測的呼叫參與者數(shù)量。這不是最經(jīng)濟實惠的方法，是主要針對大公司的。

　　另一種方式是人工智能（AI），它實時處理外呼信號，“切斷”不必要的噪音并強調(diào)語音本身。這是一個真正的計算挑戰(zhàn)，因為意外的噪音是不同的，可以不斷變化。已有解決方案（Krisp，Solicall等），但不可能稱它們是放之四海而皆準的。這樣的系統(tǒng)還有很長的路要走，盡管它們今天做得很好。

　　要完善其他技術(shù)，比如現(xiàn)場語音翻譯，還有很多工作要做。谷歌正在積極研究它，但這些系統(tǒng)目前處于活躍的機器學習階段。在運行中，這是一項非常困難的任務，因為與機器翻譯不同，機器已經(jīng)學會做，語音包含許多細微差別。如果你在翻譯中失去了它們，那么你所說的內(nèi)容的含義就會大不相同。

　　作者：阿列克謝·艾拉羅夫（Alexey Aylarov）

　　原文網(wǎng)址：https://www.nojitter.com/video-collaboration-av/3-problems-still-facing-voice-services