「对不起，我没有听懂，你可以再说一次吗」

熟悉的台词再度出现，人们又想起了曾经被手机语音助手支配过的恐惧。

从 2011 年第一款语音助手 Siri 伴随着 iPhone 4S 惊艳亮相，到现在五花八门、名称各异的语音助手占据各大主流手机品牌，已经走过了 7 年历史。据 Strategy Analytics 的报告，2018 年全球出售的智能手机中，有 47.7% 配备了语音助手，而到 2023 年，语音助手渗透率将达到 90%。 

只不过，在语音助手百花齐放的背后，很多语音助手还是被人们视为调戏的对象，沦落到被贴上「人工智障」的标签而非「助手」的境地。

复杂环境下拾音不准确，用户要发音清楚，不得不一字一顿地说话；语义理解不佳，换一种表达方式就答非所问；在公众场合唤醒语音助手，总是自带尴尬滤镜；智能化程度较低，更像是语音识别与搜索功能的简单叠加；应用场景有限，最多只能帮你打开 App，还不如触屏交互便捷。

众多因素，使得手机语音助手长期成为了鸡肋般的存在，大多数用户使用手机的习惯，还停留在触屏交互上。以致于有些用户拿到新手机之后其中一个步骤，就是为了省电而默默关闭后台的语音助手，当然也包括一直奉行「能打字就绝不说话」原则的我。

然而，从去年开始，人们的刻板印象正发生着变化。当看到「给小张发送 88 块钱微信红包并备注生日快乐」这种骚操作也能通过单纯说话实现之后，语音助手终于不再被当成一个笑话。Bixby、小爱同学、Jovi 的出现，让我们不得不重新审视语音助手在手机上的地位。手机厂商、人工智能服务商、芯片厂商联手一起，终于开始认真打造起语音助手的用户体验了。

本次测评，我们选择了 2018 上半年主流手机厂商的代表性语音助手：小米小爱同学，华为 HiAssistant，苹果 Siri，三星 Bixby，vivo Jovi，来一番对比体验；

测试机型分别为：小米 MIX 2S，华为 P20，苹果 iPhone 8，三星 S9，vivo NEX；

系统版本分别为：MIUI 9.6，EMUI 8.1，iOS 11.4，Android 8.0，Funtouch OS 4.0。

评测环节分为四个维度：设备控制和系统功能调用，第三方应用支持，对话与智力水平，技能学习能力。各环节分值为 5 分，以下就来看看各家语音助手的表现吧。

Part 1 设备控制和系统功能调用

小爱同学：🌟🌟🌟🌟

华为 HiAssistant：🌟🌟🌟

Siri：🌟🌟🌟

Bixby：🌟🌟🌟🌟

Jovi：🌟🌟🌟🌟

从 2018 年开始，一个明显的趋势是，各大手机厂商陆续为语音助手配备独立的 AI 按键，意味着语音助手的地位正逐步提高。

前有三星 S9 的 Bixby 按键，后有 vivo NEX 的 Jovi AI 按键。按键作为手机交互的第一层级，高于触摸操作，让用户在不接触手机屏幕的情况下快速调用特定功能，同时带来的好处是，缓解了用户在公共场合唤醒语音助手的尴尬癌。

除了 Bixby 和 Jovi，小爱同学和 Siri 也在灵活调动已有的按键资源为语音助手赋予第二入口。小爱同学可通过长按电源键 0.5 秒唤醒，Siri 也可设置长按 Home 键唤醒（iPhone X 则是长按电源键唤醒），唯独华为 HiAssistant 没有实体唤醒入口。不过，从实际体验上看，从按下按键到激活语音助手需要等待 0.5~1 秒，比起语音唤醒没有显著的效率提升。

首先从基本的手电筒启用来看，小爱同学、华为 HiAssistant、Bixby、Jovi 都能迅速地接收指令并开启手机闪光灯，小爱同学还贴心地提供了开关按钮。

Siri 则还未拥有调用闪光灯的权限，不支持开启手电筒。华为 HiAssistant 可以开启手电筒但却不能语音关闭，比较令人费解，而且在语义理解上需要多次纠正才能理解我的意思。

在亮度调节上，5 款语音助手都能很好地完成指令，而且都能展示亮度条实现精准调节。从下图可以一窥各家语音助手的 UI 风格，小爱同学和 Jovi 多是以悬浮窗的形式呈现交互界面，华为 HiAssistant 和 Bixby 经常以对话框或跳转到相应设置界面来呈现，而 Siri 不管是系统内还是第三方应用操作都是在对话框完成。

悬浮窗给人的直观感受在于语音交互都在原有页面层级之上进行，减少了频繁跳转界面给用户带来的割裂感，这一点小爱同学做的尤为出色。

在计算功能和日程提醒上，各家语音助手都能胜任，其中华为 HiAssistant 还能让用户确认是否确认创建提醒，同样可以注意不同语音助手的 UI 设计。

当我想给朋友发短信或打电话时，华为 HiAssistant、Siri、Bixby 和 Jovi 都能迅速给出反馈，在编辑好短信后需要手动点击「发送」确认；小爱同学在收到指令后只是打开了短信应用，既没有搜索联系人也没有进行短信编辑。

信息搜索上，当我说出「今天天气如何」，华为 HiAssistant、Siri、Bixby 和 Jovi 都提供了每小时的天气状况，Bixby 更是给出了一份气温曲线图，比较专业。在描述上，小爱同学和 Jovi 会给出比较直观化的陈述，例如「挺热的」、「非常热」，Jovi 还会提醒你注意防暑。

了解完天气，我还想知道今天的新闻。小爱同学会直接跳转到浏览器自带的新闻栏目；华为 HiAssistant 会接入神马搜索的新闻排行榜；Siri 则是在对话框中直接弹出浏览器搜索结果；Bixby 会跳转到新浪新闻；Jovi 则接入的是腾讯新闻，一组五条，还提供语音播报。

新闻搜索方面，Jovi 的表现是最好的，小爱同学也基本满足「今日新闻」的需求。其余三款语音助手都还需要用户手动搜索才能找出今天的新闻，有点不太走心。

又到了午饭时间，「附近有哪些地方吃的」，小爱同学是去浏览器搜索关键词；华为 HiAssistant 和 Bixby 都调用了大众点评的服务；而 Siri 使用了自家地图应用帮我找餐馆。

对于本地搜索，我想让语音助手找出最近的一条短信。小爱同学又耿直地在浏览器搜索栏查找「最近一条短信」；华为 HiAssistant 则是答非所问；Siri 虽然找出了，但不是很懂为什么不能跳转到短信应用而是通过语音播报。只有 Bixby 和 Jovi 完美实现这一需求。

在一些复杂的深度设置上，例如将「锁屏时间设置为 10 分钟」。这时小爱同学直接表示「臣妾做不到」；华为 HiAssistant 和 Jovi 都只能帮你跳转到设置页面，锁屏时间还需要自己去调整；Siri 更是连界面跳转都还需要用户点按。只有 Bixby 能自动帮你调整好锁屏时间。

备忘录测试可以检验各家语音助手的听写识别水平。当我说出「创建备忘录，记录甲方如更改活动方案需及时告知乙方」，这里包含两层操作，一是激活备忘录应用，二是听写文段「甲方如更改活动方案需及时告知乙方」。

在这里 Siri、Bixby、Jovi 都能实现激活备忘录 + 听写，而华为 HiAssistant 虽然能创建备忘录，但语义理解能力不佳，尝试几次都不无法录入完整的句子。

小爱同学的表现更为突出，在这里备忘录的创建分为三步。第一步录入语句，第二步确认文段是否正确，甚至你还能继续录入文段，实现分点记录！第三步即可呈现在备忘录中。

对于「帮我卸载应用」这一需要更高系统权限的指令，5 款语音助手都表示爱莫能助。

值得一提的是，各家厂商的特色功能也能拓展语音助手的使用场景，例如小爱同学、华为 HiAssistant、Bixby、Jovi 可以通过语音调用自家系统的「智能识图」功能，轻松实现智能翻译、智能识物、智能扫码等功能，算是一个加分项。

另外，小爱同学还有一个强有力的杀手锏，那就是它背后所连接着的庞大米家生态链。只需要呼唤一句「小爱同学」，绑定着的米家产品都可以被唤醒，极大丰富了用户体验。

Part 2 第三方应用支持

小爱同学：🌟🌟🌟

华为 HiAssistant：🌟🌟

Siri：🌟🌟

Bixby：🌟🌟🌟🌟🌟

Jovi：🌟🌟🌟🌟

很多 iOS 的用户都知道，Siri 的第三方应用支持是一个永远的痛。尽管作为语音助手的鼻祖，但因为苹果一直以来的隐私政策，加上接入第三方应用 API 需要冗长的业务谈判，导致伴随 iOS 迭代数年的 Siri 可支持第三方应用依然屈指可数。

许多对隐私敏感的用户也许会赞同苹果的做法，只不过很大程度上限制了语音助手的价值。从 2017 年开始，其他手机厂商另辟蹊径，通过模拟手指点击的方式，巧妙避开了 API 接口和复杂的商业谈判，实现各个 App 内的深度操作。

在微信上，5 款语音助手都能实现简单的「给 XX 发微信，今天晚上一起吃饭」。对于发送微信红包并备注这种操作，华为 HiAssistant 表示需要你先选择应用程序；Siri 直接耿直地发送「100 块钱的」信息；而小爱同学、Bixby、Jovi 实现的方式如出一辙，整个过程实测 5-6 秒，比手动操作更便捷：

• 打开微信 App；
  
• 在搜索栏检索联系人的首字母或拼音，例如「小炫」首字母即「xx」。不过小爱同学的文字呈现有些偏差，虽然准确识别了湾仔的拼音「wan zai」，但在悬浮窗中呈现的却是「一载」；
  
• 进入聊天界面，点击红包按钮；
  
• 输入金额和备注内容，询问是否发送。
  

当我想查看最新的微信朋友圈，小爱同学、Bixby、Jovi 均可实现；华为 HiAssistant 则去了浏览器搜索「朋友圈」；Siri 虽然准确识别了我的需求，还是可怜巴巴跟我说「我很想帮你，但微信还不支持这种操作」。

在微博上，华为 HiAssistant 和 Bixby 一样都能「打开微博，发送今天很开心」，总算帮华为挽回了一点颜面；小爱同学和 Jovi 都只能帮你打开应用，而不能进行深度操作；Siri 就连打开应用都需要用户手动点击。

在 Bixby 的对话框中，可以发现在微博应用下对话框有一个小小的微博图标。意味着 Bixby 此时进入了应用内操作模式，Bixby 可以理解当前的应用环境，用户对该应用的所有指令 Bixby 都能进行识别和操作，这种细节值得给一个好评。

在导航方面，华为 HiAssistant 和 Bixby 使用的是百度地图，能直接在应用内启用百度 DuerOS 语音服务，非常方便；小爱同学和 Jovi 使用的是高德地图；Siri 调用的是自家的地图应用。此外比较突出的是 Jovi 还能通过语音设定途径点。

而对于网易云、QQ 音乐等应用，Siri 直接表示不支持；华为 HiAssistant 货不对板，「播放网易云的推荐歌单」却给我打开了本地音乐应用；只有 Bixby 和 Jovi 可以无障碍打开应用播放指定音乐。

有趣的是，对小爱同学说「打开网易云音乐播放青花瓷」，它只能打开网易云音乐应用本身。而当我对小爱同学命令「打开 QQ 音乐播放青花瓷」时，它却行云流水般打开应用，搜索《青花瓷》，点开播放，合作方的待遇果然不一样。

「在爱奇艺上搜索播放楚乔传」，只有小爱同学自动打开播放了《楚乔传》，华为 HiAssistant、Bixby、Jovi 只能打开应用本身。而且让人眼前一亮的是，如果对小爱同学说出影视剧的名称，它就会把拥有该剧版权的 App 信息汇总给你，让用户省去了提前了解哪个 App 拥有版权的麻烦。

Part 3 对话与智力水平

小爱同学：🌟🌟🌟

华为 HiAssistant：🌟🌟

Siri：🌟🌟🌟

Bixby：🌟🌟🌟🌟

Jovi：🌟🌟🌟🌟

从声音体验来说，比起 Siri、华为 HiAssistant、小爱同学充满机械味的音色，Bixby 的音色、语气停顿是最接近人声的，对话起来很舒服。Bixby 的男声配音员名叫王聪，女声配音员叫张喆，他们录制了不少完整的实际场景语音，然后再经由三星研究院合成，因此 Bixby 的发音十分自然。

在自然语言理解方面，Bixby 和 Jovi 的表现也非常出色。「我想看五月拍的照片」和「五月的照片帮我搜索一下」这种同一指令不同的表达方式，它们都可以准确识别。相比之下，华为 HiAssistant 要逊色不少，很多时候必须要不断调整句子语序，答非所问的情况依然很严重。

小爱同学在对数字进行语义理解时，会更偏向中文数字的理解，即录入的文段是「一二三」而非「123」。而在英文理解方面，小爱同学的识别精度也并不是很准确，跟它说「打开 FM」，它识别成「打开 FA 梦」；跟它说「打开 Yeelight 台灯」，它识别成「打开依赖台灯」，或许准确的英文识别需要更地道的口语水平，这可多少有点为难我了。

同时，我发现 5 款语音助手都无法准确断句，所以在听写长文时，我们还是得手动输入标点。

在讲笑话方面，发现除了 Siri，其他都没有找到笑点，是我理解能力太低了吗？

相比之下，华为 HiAssistant 莫名其妙的回答和小爱同学实力卖老板，反而更能博人一笑。

「你的爸爸是谁」，小爱同学、Jovi、华为 HiAssistant 的回答比较耿直；Siri 的回答很温馨；Bixby 的回答非常婉转含蓄。

当问及如何评价自家品牌与竞品时，只有华为 HiAssistant 勇敢地夸耀自己；小爱同学、Siri、Bixby 在网上搜集一堆观点交给用户评判；而 Jovi 用一个充满哲理的回答打起了太极，可以说求生欲非常强了。

而在「什么是隐形贫困人口」「哲学的基本问题是什么问题」这种知识性问答上，华为 HiAssistant 充分发扬了「不知为不知」的精神；其余 4 款则从搜索引擎上把解释摘录下来，小爱同学的回答还附上了贴图。

Part 4 技能学习能力

小爱同学：🌟🌟🌟🌟

华为 HiAssistant：🌟

Siri：🌟

Bixby：🌟🌟🌟

Jovi：🌟🌟🌟🌟

与 AI 独立按键一样，2018 年另一大趋势，是各大厂商开始打造自己的语音助手学习平台，让用户成为语音助手的老师，使之「越用越懂你」。

5 款语音助手中， 小爱同学、Bixby、Jovi 都有自己的技能学习平台，而 Siri 和华为 HiAssistant 则落后于时代，不过随着 iOS 12 正式版发布，拥有 Shortcuts 加持的 Siri 也许能重获新生。

Bixby 的技能学习分为「自定义聊天内容」和「快捷命令」两大板块。「自定义聊天内容」可以把 Bixby 对特定语句的反馈改造成个性化的回答，从实用性来说意义不大。

「快捷命令」则可以把多条命令汇总到一句话中，例如一句「导航回家」，就可以把「开启导航」、「输入目的地」、「调高音量」、「调高亮度」、「发送微信告诉家人我要回家了」等五项操作连在一起编成一句指令，简化了操作步骤。

不过缺点在于，用户只能调取 Bixby 命令库中的命令，其实还是工程师提前预设好的，用户并不能随心所欲地定义自己的操作。例如在手机淘宝命令库中，只能找到「搜索卖家具的店铺」这一命令，而没有「搜索卖电器的店铺」「搜索卖文具的店铺」，本质上还是一种伪技能学习。

小爱同学、Jovi 的「录屏教学」模式，应该是最接近真正意义上的自定义操作。在 Jovi 语音 App 和小爱同学 App 上，分别找到「我的教学命令」和「训练计划」，打开录屏教学模式，用户模拟一遍操作流程，语音助手即可记住你的点按套路。

例如，在没有教小爱同学之前，小爱同学是没办法做到「打开哔哩哔哩观看人生一串」这样的操作的。打开录屏教学，我先亲手模拟一遍操作流程：

• 回到主屏；
  
• 打开哔哩哔哩 App；
  
• 在搜索栏输入人生一串；
  
• 点开人生一串视频；
  
• 点击播放。

小爱同学记住了我的操作套路后，当我说出指定口令，小爱同学就像流水线一样对我的演示进行复现。

小爱同学和 Jovi 可以支持应用内「点击」以及「文本输入」这两种类型的教学，满足大部分 App 内的操作方式。

如果不想手把手对语音助手教学，小爱同学和 Jovi 分别还有「公共训练」和「Jovi 广场」，可以找到其他用户共享的创意技能，添加到自己的教学命令中。

录屏教学极大地激发了用户的创造性，类似「支付宝收能量」（打开支付宝，点击更多、财富管理、蚂蚁森林），「浦发信用卡还款」（打开浦发银行，点击信用卡还款），「我想吃肯德基」（打开饿了么，点击搜索，输入肯德基）这些命令已经在技能广场上屡见不鲜。这也让我有一个大胆的想法：如果通过录屏教学，教会语音助手帮我每天领取「绝地求生」的登陆奖励，岂不是美滋滋？

尝试过后，我发现我还是太年轻，几次教学都止步于「账号登陆」这一步。看来对于登陆游戏这种更高级别的权限，已经不是手机厂商能够给予的了，当语音助手也能自动帮你刷分领经验，这不是在抢游戏脚本的饭碗吗？

写在最后，语音助手的未来是什么样子

智能手机的「智能」，体现在何处？

是多任务运行？是滑动屏幕时的卷轴特效？还是像电脑一样可扩展第三方应用程序？

10 年前，这些令我们惊呼 Amazing 的特性，现在早已成为了习以为常的存在。

今天的「智能」，在我看来，即「所想即所得」。

当我想获知某类信息时，它能立即给我答案；当我想使用某项服务，它能迅速地调出，不需要频繁切换界面，一步到位；当我处于某个场景下，它还能预知预判我的下一步行为，并把一切工作准备妥当。

我们使用手机的方式多种多样，尽管通过语音交互不能百分百接管所有的场景，但随着小爱同学、Bixby、Jovi 技能学习平台的出现，让我们看到语音助手正逐渐找到自己的定位——专注于解决较繁琐但却有规律可循的任务，简化用户调取手机服务的流程。

让用户自己教导和训练 AI，不需要去「不断尝试」什么样的指令是语音助手能听懂的，App 开发者也不再需要去思考「用户会说什么关键词来触发我的服务」。

让一句话，同时进行设闹钟、开勿扰、打开白噪音、发送微信表情、关灯等几种操作。给语音助手编写好「工作流」，设置「触发词」，制作一个个语音开关，实现「一触即发」的体验。这正是语音助手所擅长的，也是小爱同学、Bixby、Jovi 以及 iOS 12 的 Shortcuts 的发展方向。

回到我们今天对比的 5 款语音助手，小爱同学的悬浮窗 UI 和背后庞大的米家生态链成为它的加分项；Bixby 拥有最出色的自然语言理解能力和音色调校；作为后起之秀的 Jovi 凭借技能广场，在打造技能生态上已经初露锋芒； Siri 则受限于系统，祝愿它能在 iOS 12 正式推出之后完成蜕变；至于华为 HiAssistant，语义理解和可支持的服务似乎还停留在 7 年前的水平，需要继续努力。

我希望，未来的语音助手，不仅仅是充当「一触即发」的语音开关，还能举一反三，将类似的「工作流」应用在更多的场景下，真真正正帮助用户提高效率。

「Hi！语音助手，帮我在微信公众号里搜索并关注深圳湾（微信号：shenzhenware）吧！」

版权声明：本文系深圳湾原创，转载或摘录请先获得授权。

微信号：shenzhenware

主笔：欧源

题图和插图制作：欧源