聲音跟真人沒兩樣，Google AI打電話神技背後的隱憂|數位時代 BusinessNext

聲音跟真人沒兩樣，Google AI打電話神技背後的隱憂

在Google I/O 2018開發者大會上，語音助理Google Assistant示範電話預訂，背後究竟使用了那些技術，而在以假亂真的機器面前，身為人類的我們應該擔心嗎？

只花不到三年，虛擬助理做到自然連續對話

2016年的Google I/O大會上，虛擬智慧助理Google Assistant正式亮相，短短不到三年的時間，虛擬助理已經可以做到自然連續的對話，甚至聲音維妙維肖，令人類也真假難辨。

這項新技術Google取名為「Duplex」，中文翻譯過來可以理解為「語音雙攻技術」，這跟過去我們習慣聽到的Google小姐，或是Siri 、Alexa這類機械感十足的虛擬助理不同，聲音聽起來更有「人味」。

對電腦來說，要聽起來接近人類是相當困難的，因為電腦習慣接收精確的指令，而人類在口語交談時常常很不精確，會夾雜許多語助詞跟廢話、一個句子說到一半突然更正部分內容、上下文省略一些單字、突然停頓等等。

人類說話會像這樣：

嗯......我覺得我們可以這樣做，但應該等到下周二，但...不知道耶，也許會有更好的做法之類的。

像是「嗯」、「喔」之類的填空詞，幾乎在每個語言中都很常見，多用在表達句子之間提供舒緩效果，Google在開發者大會上，示範預定沙龍以及餐廳兩種情境。第一段中我們可以聽到虛擬助理說：「我想幫一位客戶預約女士剪髮，嗯…我想預約5月3日的時間。」巧妙的在語句中加入「嗯…」。

第二段預訂餐廳的示範中，虛擬助理一開始先表達了訂位需求，後來店員告訴她不需要預訂，可以直接現場候位，虛擬助理不僅順利理解突發狀況中「不需訂位」的意思，還進一步詢問現場大概需要等多久，在這兩個示範案例中，接電話的店員都絲毫沒有察覺異狀。

機器與人類對話，三問題值得思考

Google 在大會現場沒有透露這項技術是如何研發的，但在官方部落格上有補充，說明核心是遞歸神經網絡（RNN），並建立在TensorFlow Extended（RFX）上，為了提升精準度，Google使用多通匿名電話來訓練Duplex，建構出來的模型還考慮到了許多因素，例如在特定情況下的語調、答話的速度等等，例如有人問你：「大概幾點方便？」一般人會思考稍作停頓再回答，機器也必須模仿這類狀況，才能更加自然。

目前這項科技還沒發展完全，僅能應對簡單的服務預訂談話，應用場景相當有限，不能隨意談論任何話題，Google表示Duplex有「自我監控能力」，若談話內容超出能力範圍，會自動發出警示讓人類接手，且僅支援英文。

撇開技術不說，Duplex確實改變了機器與人類互動的想像，但也有三個值得討論的問題：

像是Google有義務吿訴對方自己是在跟機器對話嗎？這是一個兩難的選擇，若接起電話一開始就聽到：「嘿，我是機器人！」那麼大部分的人應該會下意識直接掛掉吧。

另外，無論再小的談話，都具有一定的社交價值，當我們無法分辨電話那端是真人或機器時，會不會讓人心變得猜忌，且削弱我們對所見所聞的信任嗎？另外這項技術會不會變成一種階級特權，讓掌握技術的人，隨意將無聊、不想處理的對話通通丟給機器？

這些都是值得討論的問題，雖然這項技術離普及應用可能還有一段距離，但光憑大會上的簡短示範，效果就已經令人相當驚豔。

現代人手機不離手，通勤時滑短影音、午休追串流影劇、下午開視訊會議，網路影音應用成為工作與生活的普遍情境。然而，一旦畫面卡頓、畫質不穩，或聲畫不同步，使用體驗立刻打折，甚至影響工作效率與專業判斷。

也因此，網路品質不再只是「快不快」的問題，更關乎能否在高使用量的日常情境下，維持穩定、連續的表現；對此，第三方評測也採用更貼近使用者情境的方式衡量網路體感。而 Opensignal 最新報告指出，台灣大哥大在影音體驗相關項目是業界唯一同時拿下「影音體驗」與「5G 影音體驗」雙項獎項的電信商，其中，關鍵的差異是什麼？

為何「影音體驗」是網路品質的關鍵指標？

愈來愈多消費者入手旗艦機，追求的不只是硬體規格，還有流暢的 AI 應用與多工協作。然而，無論是視訊即時翻譯或雲端會議，這些高階功能都有一個共同前提：網路必須穩定。一旦網路品質不佳導致畫質下降或音畫不同步，旗艦級的 AI 功能將形同虛設。

這也意味著，檢驗網路價值的標準已經改變。如今，不能只看單點測速的瞬間峰值，更重要的是高負載情境下的耐力表現。因此，比起單點測速，影音體驗會是更完整的測試標準，直接挑戰了網路在室內深處、移動途中或人潮聚集時的網路實力；而唯有在長時間串流下依然不卡頓、不降畫質，才稱得上是高品質的連線。

換言之，隱身在硬體背後的電信商，才是發揮旗艦機性能的關鍵；唯有透過最佳網路品質，才能讓手中的旗艦機既是規格領先、也是體驗領先。

唯一影音體驗雙料冠軍，Opensignal 權威認證的有感體驗

雖然相較於測速數據，影音體驗更貼近日常使用，但也更難量化。對此，國際權威認證 Opensignal 的「影音體驗分數」，依循 ITU 國際標準，透過真實用戶裝置在行動網路上進行影音串流的實測數據，觀察不同電信網路在實際使用情境下的表現。

簡單來說，評測聚焦三項核心指標：影片載入時間、播放期間的卡頓率，以及畫質（解析度）是否能穩定維持。使用者從開始播放到持續觀看的整體品質，分數以 0–100 呈現，分數愈高，代表在三項指標的表現愈佳。相較於單點測速，這類評測更能呈現長時間、高使用量下的網路品質。

而在今年最新公布的 Opensignal 評測中，台灣大哥大獲得「影音體驗」獎項唯一雙料冠軍。其中，「整體影音體驗」為全台獨得第一名，「5G 影音體驗」則與遠傳並列第一。

之所以能在影音體驗拔得頭籌，關鍵在於台灣大哥大目前是全台唯一整合 3.5GHz 頻段 60MHz 與 40MHz、形成 100MHz 總頻寬的電信業者，亦是現階段全台最大 5G 黃金頻寬配置。頻寬愈寬，代表單位時間內可傳輸的資料量愈大；在大量使用者同時進行影音串流、視訊互動的狀態下，更能維持穩定傳輸、減少壅塞發生機率。

台灣大獲權威認證，NRCA技術撐起穩定基礎

除了頻寬帶來的流量優勢，台灣大哥大也採用「NRCA 高低頻整合技術」，也就是透過高低頻協作，讓 3.5GHz 負責高速傳輸、700MHz 補強覆蓋與室內連線，改善室內深處與移動情境的訊號落差，提升連線連續性。

同時，為了讓住家、通勤動線、商圈與觀光熱點等高使用場域維持穩定表現，台灣大哥大已在全台超過213個住宅、觀光及商圈熱點完成 100MHz 布建，提升人流密集區的網路覆蓋率。

值得注意的是，在今年的 Opensignal 評比中，台灣大哥大還拿下了「5G 語音體驗」與「網路可用率」兩項第 1 名，累計獲得 4 項獎項。這意味著不僅具備影音體驗優勢，在語音互動與連線率等關乎用戶日常應用的基礎指標，皆有亮眼成績。

尤其，隨著影音與即時互動成為新世代的工作常態，網路品質的重要性只會持續上升。無論是遠距協作所仰賴的視訊與畫面共享即時同步，內容創作對直播與即時上傳連續性的要求，或是 AI 視訊互動、即時翻譯與會議摘要等新應用，都高度依賴低延遲與穩定的資料傳輸。網路品質因此不再只是連線條件，更是支撐內容生產、協作效率與新應用落地的基礎能力，甚至直接牽動競爭力。

而台灣大哥大經 Opensignal 認證、於多項關鍵指標領先業界，不僅將成為 AI 時代的重要後盾，也讓使用者能更充分發揮高階手機的效能，把「快、穩、滑順」落實在每天的工作與生活中。