Google 推出语音搜索

背景

Google 的语音识别工作始于公司内部的一个语音小组，该小组于 2005 年成立 ^[4]。它推出的第一个公开产品是 2006 年的 GOOG-411，一项由语音识别驱动的查号服务 ^[4]。在语音进入通用网页搜索之前，Google 先把语音放进了地图：2008 年 3 月，它为 Google Maps for Mobile 推出了第一个多模态（multi-modal）语音应用 ^[2]。所谓多模态，是指「说」只是输入查询的几种方式之一，与点按、输入并列，而查询瞄准的是一类特定的结果，即地图上的本地商家 ^[2]。

发生了什么

2008 年 11 月 17 日，Google 宣布在 iPhone 版 Google Mobile App 中提供语音搜索 ^[1]。交互方式贴合人们使用手机的习惯：用户把手机举到耳边，等一声提示音后说出查询，全程不用点任何按钮 ^[1]。Google 表示，该功能默认开启，但只面向美国英语用户 ^[1]。

Google Research 后来把这次发布描述为语音搜索从「在地图上找商家」扩展到「搜索整个网络」的转折点：2008 年 11 月推出的 iPhone 版 Google Mobile App 包含语音搜索功能，把语音搜索的范围从在地图上查找商家扩大到搜索整个网络 ^[2]。一篇讨论移动端语音识别的 Google Research 论文则从更宽的角度记录这次发布：Google 于 2008 年在美国面向多类智能手机推出了语音搜索（Voice Search）^[4]。

关键细节

识别并不在手机上完成。手机上采集的音频被送到 Google 的服务器，在服务器上完成识别，识别结果和搜索结果再一起返回手机 ^[4]。这样分工，手机只负责录音和上传，繁重的计算交给服务方掌控的机器；对用户来说，说出口的话先变成文字，再变成搜索结果，中间那一步是看不见的。

这一设计也划定了发布时的边界：默认开启的范围只有美国英语用户，而不是所有人 ^[1]。默认与否很关键，它决定了谁不必改动任何设置就能试用语音搜索。

影响

Google 自己的回顾把语音搜索列为 2008 年的里程碑之一，并注明它先在 Google Mobile App 中推出，2011 年扩展到桌面电脑 ^[3]。把几个时间点连起来看，路径相当清楚：2006 年的 GOOG-411 只处理查号这一件窄任务 ^[4]；2008 年 3 月的 Google Maps for Mobile 应用把语音限制在地图和本地商家的查询之内 ^[2]；2008 年 11 月的 Google Mobile App 则把可说的问题放开到整个网络 ^[2]，同年的语音搜索发布把这项能力装进了美国的多类智能手机 ^[4]。可说的范围一步步变宽，语音也从某一特定场景里的辅助手段，变成了填写搜索框的一种普通方式。

限制同样明显。发布时默认开启的只有美国英语用户 ^[1]，也就是说，不必调整设置就能用上语音搜索的，只是一个被明确划定的群体，这个群体之外的覆盖是后来的事。