如今，我们越来越多地通过对话与小物品进行互动。以前熟悉的有Alexa和Siri，现在还有汽车助手苹果CarPlay和安卓Auto，甚至还有一些对语音的生物特征和命令很敏感的应用程序。但是，可否用声音来构建这些技术呢？
这就是语音编码的前提。语音编码是一种使用语音代替键盘和鼠标编写代码的软件开发方法。通过语音编码平台，程序员可以说出编写代码的指令，创建自定义的适用命令，实现工作流程的自动化。
语音编码不像看上去那么简单，背后有多层复杂技术。例如，语音编码应用Serenade，与用于会话性语言的谷歌语音转文本应用程序接口（API）不同，它有专门针对编码开发的语音转文本引擎。软件工程师说出代码后，Serenade的引擎就会将其输入自己的自然语言处理层。该自然语言处理层的机器学习模型已经接受了训练，可以识别普通的编程结构并将其转换为合乎语法的有效代码。
2020年，Serenade实验室在其首轮融资中获得了210万美元种子基金。其联合创始人马特•维耶夫（Matt Wiethoff）于2019年被诊断出重复性疲劳损伤，他出于需要创办了该公司。他说：“我辞去了在Quora的软件工程师工作，因为我无法继续这项工作了。我要么选择一种不需要很多打字的职业，要么找到某种解决方法。”
瑞安•希勒曼（Ryan Hileman）也走上了同样的路，2017年，他因一年前手部严重疼痛辞去了全职软件工程师的工作。那时，希勒曼开始搭建一个可以解放双手的编码平台Talon。“Talon的要点是为任何人完全取代键盘和鼠标。”他说。
Talon由几个组成部分：语音识别、眼部跟踪和噪声识别。Talon的语音识别引擎以脸谱网的Wav2letter自动语音识别系统为基础，希勒曼对Wav2letter进行了扩展，使其能适应语音编码命令。同时，Talon的眼部跟踪和噪声识别功能可模仿鼠标操作，根据眼睛的移动在屏幕上移动光标，还可根据嘴唇发出的“啵”声来进行鼠标点击操作。“这种声音很容易发出，而且不费力，识别延迟也很短，是一种不需要语言的、快速点击鼠标方法，而且不会造成声带疲劳。”希勒曼说。
使用Talon编码就像是说另外一种语言。软件工程师和语音编码员艾米丽•谢伊（Emily Shea）在2019年的一次会议发音中进行了演示，她的视频中充满了语音命令，例如，“slap”（按回车键）、“undo”（删除）、“spring 3”（跳到文件第3行）和“phrase name op equals snake extract word paren mad”（这句话产生的代码是“name = extract_word(m) ”）。
另一方面，使用Serenade编码则可以用更自然的方式说出代码。你可以说“删除输入”来删除文件顶部的输入指令，或者说“构建”来运行自定义构建命令。此外，你还可以说“添加函数阶乘”来创建一个可在JavaScript中计算阶乘的函数。该应用还会关照语法，包括“函数”关键词、圆括号和波形括号，所以你不必明确地说出每一个元素。
虽然Serenade模型已经过笔记本电脑麦克风的音频训练，但进行声音编码还是需要合适的麦克风，特别是要消除背景噪声时。此外，如果想使用Talon眼部跟踪功能，你还需要眼部跟踪硬件。（即便没有该硬件，Talon也能运行。）Aenea和Caster等开源语音编码平台是免费的，但这两个平台都依赖Dragon语音识别引擎，这需要用户自行购买。也就是说，Caster可以支持开源语音识别工具包Kaldi，也可以支持Windows中预安装的Windows语音识别工具。
结果可说明一切。Serenade实验室的联合创始人汤米•迈克威廉（Tommy MacWilliam）说：“要描述自己想做的事很容易。说出‘将这三行下移’或‘复制该方法’要比打字输入代码或按下键盘快捷键流畅得多。”
语音编码可使身体受伤或患有慢性疼痛病的人继续自己的工作。“使用声音把双手从方程式中解放出来，让我可以更不受限制地使用电脑。”谢伊说。
使用语音编码可以降低软件开发的门槛。迈克威廉说：“如果他们能够以符合逻辑的结构化方式想出自己想写的代码，那么我们就可以让机器学习来完成最后一步，将这些想法转化为符合语法的有效代码。”
语音编码还处于初期阶段，至于它是否能够得到广泛采用，取决于软件工程师与传统用键盘和鼠标编写代码模式的捆绑程度。不过，语音编码带来了更多的可能性，也许未来的大脑-计算机接口可以直接将你的想法转变为代码或者软件。
