在「语音是人机互动最直观的方式」成为行业共识的今天，小到灯泡、玩具、音箱，大到家电、汽车等，承担智能体验升级任务的语音服务几乎无处不在。

对于厂商、个人开发者来说，如想让自己的产品具备语音交互的能力，亚马逊 AVS、Google Assistant SDK 等品牌厂商提供的接口和开发套件是个不错的选择。

这些实现方案相对成熟、集成难度比较低，但其采用的云端处理信息的方式难免会让用户对隐私、信息安全存在担忧。

来自法国的初创企业 Snips 在近期推出一款了全新的语音平台，供企业、个人建立自己的语音助手。该平台最大的好处在于，语音信号处理可离线完成，直接避开将信息传输至云端这一过程。同时，在 Snips 语音平台上创建一个语音助手的步骤也非常简单。

自定义唤醒词：

厂商或者个人开发者可根据自己的喜好给语音助手定义唤醒词。Snips 平台已内置深度学习引擎，能准确判断用户是否在呼唤语音助手。

目前，Snips 仅支持英语和法语，有需要的开发者可借助第三方的自动语音识别 API 来转换成其他语言。

离线使用：

普通语音助手一般将拾取到人声传输到云端服务器当中进行文本处理，再将反馈结果合成语音输出给用户（这个过程被称为 TTS）。Snips 则可以在本地离线完成这一过程。

基于知识图谱的自然语言理解：

可以说，对用户的提问做出回应是语音助手最基本的能力。因语言使用习惯的差异性，对于同一个问题，不同用户、同一用户在不同时间都会产生不同的问法。

针对这一需求，Snips 已经有一套用于建立离线「知识图谱」的数据生成服务器。厂商和开发者可以在这个服务器系统上建立问答数据库。比如「could you please turn on the bedroom light?」这个问题，你只要将「light + bedroom + on」这三个词语设置为关键词，并在这个基础上衍生出一些问句即可。

但如果你不想花费那么多时间手动输入大量的提问示例，大可以花费 100 到 800 美元，让 Snips 帮你把问题投射到 Amazon Mechanical Turk 或其他数据库集成平台，最终将打包好的数据发送给你。

至于这些知识图谱数据库，你可以将其运用到自己的语音助手或者其他聊天机器人产品上。另外，你还可以将这些预先受到训练的数据开放出来供其他开发者使用。

易更新：

基于 Snips 这个平台，语音助手的更新工作也十分的便捷：在设备上已经下载了 Snips 应用的情况下，你只需要一个更新的压缩包即可完成升级。

虽然 Snips 平台上已经有不少开发者，包括家庭多媒体机器人厂商 Keecker 也已经在他们的产品中使用其在 Snips 上开发的语音助手。但 Snips 还有一个更远大的愿望，就是让 Snips 平台应用到产品化程度更高的未来产品中，比如部署到自动咖啡机，你只需要跟语音助手进行简单对话，就能让它为你准备出一杯咖啡。

「去中控」也是 Snips 语音平台的设计思路。目前市面上大多数智能门锁、智能灯泡、安全摄像头等需要绑定 Echo、Google Home 这样的一个中控设备才能接收到语音的指令，这也是物联网布局的惯有做法。不过，当每一个设备都拥有语音助手的对话能力后，用户的指令也就可以指向设备本身，而不需要经过中控。

相对于亚马逊 Alexa 和 Google Assistant 这类基本满足家居、车载、移动等所有场景应用的语音助手不同，Snips 更希望针对各个垂直场景打造一个语音交互「离线包」，而不是一个全能助手。例如，扫地机只需要了解关于「扫地」这一本职工作的指令方式即可，因为你一般不会命令一个扫地机给你播放音乐。

目前，Snips 正继续探索前沿性的技术和工具。公司于今年上半年获得 1300 万美元融资，截至目前，Snips 共计获得融资 2100 万美元。公司在法国巴黎、美国纽约两地均设有办事处。