4月11日消息，越來越多的業(yè)內(nèi)人士認(rèn)為，語音技術(shù)在兩三年內(nèi)，會徹底改變當(dāng)前的人機交互方式。北美最大的語音技術(shù)提供商Nuance的高管最近就說：“語音和自然語義理解突然成為一門前沿科技，而我們正站在這個過渡點上。我認(rèn)為語音識別將真正顛覆目前的計算機交互接口。”

整個語音行業(yè)從2010年蘋果公司推出Siri開始，受到越來越多的關(guān)注。這個趨勢從國內(nèi)最大的語音技術(shù)廠商科大訊飛的股價也能看出?？拼笥嶏w2008年上市之初市值只有約34億元，市盈率不到30倍。但最近一年股價節(jié)節(jié)高攀，目前市值達(dá)到140億元，市盈率約70倍。

為何語音行業(yè)受到如此重視？國內(nèi)這個行業(yè)的供應(yīng)商都有哪些？這個行業(yè)中的核心技術(shù)包括哪些？語音行業(yè)前景和想象的市場空間有多大？我們計劃分2期來具體分析這些問題。

智能語音技術(shù)改變傳統(tǒng)交互方式

智能語音交互首先改變的是移動互聯(lián)網(wǎng)。以iPhone中內(nèi)置的Siri為例，用戶以自然語言的方式對智能手機下達(dá)指令，而手機根據(jù)用戶語音和用戶當(dāng)前的環(huán)境及上下文對用戶意圖進(jìn)行理解，并按照用戶意圖執(zhí)行命令的過程。如用戶說“查找附近的川菜館”,則手機會搜索用戶當(dāng)前所在位置附近的川菜風(fēng)味餐廳，并將列表顯示出來供用戶選擇查看。

百度多媒體負(fù)責(zé)人余凱曾表示“如今的語音搜索不同于傳統(tǒng)搜索模式，不是基于無關(guān)聯(lián)的幾個關(guān)鍵詞來反饋結(jié)果，而是能夠理解用戶指令，完成一項完整的任務(wù)?！币簿褪钦f，語音搜索已經(jīng)不僅局限于將客戶需要的信息呈現(xiàn)出來，還會將一些連鎖信息進(jìn)行反饋，自動生成給客戶一套全面的服務(wù)，基于這種高智能化的技術(shù)進(jìn)化，語音必將成為日后移動互聯(lián)網(wǎng)的入口之一。

電視和機頂盒也是采用智能語音交互比較積極的行業(yè)。傳統(tǒng)的電視機和機頂盒的遙控操作都比較復(fù)雜，而采用智能語音交互技術(shù)，只需對著遙控器說話，就可以控制電視，輸入文字、打開應(yīng)用、播放視頻都可輕松實現(xiàn)。去年三星、LG和聯(lián)想等都發(fā)布了帶有專用語音輸入功能的遙控器，甚至有的還實現(xiàn)了類似Siri的語音助手的功能。

傳統(tǒng)行業(yè)利用智能語音交互技術(shù)進(jìn)行業(yè)務(wù)效率提升的意愿也比較強烈。比如傳統(tǒng)呼叫中心領(lǐng)域，需要投入大量資金、人力，甚至建設(shè)大面積的人工語音座席，每年投入上百億資金。國外早已普遍采用基于智能語音交互技術(shù)改造的呼叫中心，大量的用戶常見問題、投訴和建議都可以被自動識別和回復(fù)，節(jié)省了成本。而且這些呼叫中心每天收到大量的用戶語音數(shù)據(jù)，包含了龐大數(shù)量的用戶信息、偏好，都具有極大價值。但是如果不能利用智能語音技術(shù)進(jìn)行數(shù)據(jù)處理和挖掘，這些信息就如同儲量龐大的金礦，卻無法開采。為了開發(fā)這些數(shù)據(jù)，傳統(tǒng)呼叫中心都對投入智能語音交互技術(shù)抱有極大熱情。

另外，汽車、玩具、穿戴設(shè)備都對智能交互技術(shù)能提供的全新交互方式抱有很大的期待。語音技術(shù)作為一個已經(jīng)漸漸成熟的基礎(chǔ)技術(shù)，隨著使用面日漸擴大，必將越來越改變傳統(tǒng)的人機交互方式。

國內(nèi)語音行業(yè)的供應(yīng)商

在中國的語音技術(shù)市場競爭格局中，有多家商業(yè)公司都可以提供語音技術(shù)。但細(xì)分下來，這些商業(yè)公司又可以分為兩個類別，第一類是百度、科大訊飛和云知聲，他們都有以大詞匯量連續(xù)語音識別技術(shù)為基礎(chǔ)的智能語音開放平臺，服務(wù)的領(lǐng)域比較通用，對識別精度、速度、平臺并發(fā)能力、穩(wěn)定性等技術(shù)指標(biāo)的要求較高。其中，科大訊飛和云知聲分別于2010年10月和2012年10月發(fā)布了各自的商用公有語音云平臺。

科大訊飛是上市公司，在語音技術(shù)領(lǐng)域中屬于大佬級別，專攻語音合成和語音識別技術(shù)，對于內(nèi)容問答的積累，并不是它的強項，而在這一點上，則正好是百度的優(yōu)勢，百度基于它強大的搜索平臺，在搜索和服務(wù)數(shù)據(jù)的積累上，成就了業(yè)內(nèi)無人能及的強大優(yōu)勢。至于云知聲，雖然是領(lǐng)域內(nèi)的新興企業(yè)，但核心技術(shù)團(tuán)隊在語音識別和語義理解領(lǐng)域的也有超過10年的積累，實力不容小覷，憑借其自身優(yōu)秀的研發(fā)團(tuán)隊、高品質(zhì)的服務(wù)和快捷的技術(shù)支持，在業(yè)內(nèi)迅速獲得了一定程度的認(rèn)可。

另外，從業(yè)務(wù)形態(tài)來說，百度目前只支持自家的語音搜索產(chǎn)品；云知聲作為獨立的語音識別平臺為第三方開發(fā)者提供服務(wù)；科大訊飛則是兩者兼?zhèn)?，在為第三方開發(fā)者提供平臺的同時，也大力推廣訊飛語點等應(yīng)用，謀求移動終端的語音入口地位。所以，科大訊飛和云知聲雖然市場知名度遠(yuǎn)遠(yuǎn)低于百度，但因為服務(wù)的客戶較多，卻經(jīng)常被媒體提及，比如最近他們同時入選羅永浩的“錘子手機”系統(tǒng)的語音服務(wù)提供商。

另外，根據(jù)筆者了解，百度和云知聲的語音識別核心技術(shù)團(tuán)隊，是畢業(yè)于中科院自動化所的同門師兄弟，憑借自動化所近30年的語音識別研究積累的熏陶，技術(shù)實力相當(dāng)雄厚。中科院在目前語音識別產(chǎn)業(yè)化人才培養(yǎng)方面，確實做出了卓越的貢獻(xiàn)。

第二類公司則包括捷通、中科信利、思必馳、納象立方等。這幾個公司主要專注于特定領(lǐng)域的語音技術(shù)應(yīng)用，如語音合成、孤立詞或小詞匯量語音識別、非實時語音數(shù)據(jù)處理等，在通用大詞匯量語音識別技術(shù)上一般不涉及。但即使如此，在他們專注的特定領(lǐng)域，這幾個公司都有不錯的業(yè)績。如捷通在電信領(lǐng)域的語音合成業(yè)務(wù)上占有率不??；納象立方則主要為電視臺提供字幕自動對齊技術(shù)服務(wù)，年銷售額據(jù)說也非常可觀。

另外，國內(nèi)的互聯(lián)網(wǎng)巨頭如騰訊、搜狗、阿里巴巴等目前都在積極建設(shè)語音團(tuán)隊，不想錯過這波熱潮。但是由于語音技術(shù)比較尖端，人才培養(yǎng)困難，特別是領(lǐng)軍人才稀缺，技術(shù)壁壘很高，所以這些巨頭即使投入巨大資源，也不一定能迅速組成一個完整的技術(shù)團(tuán)隊。要想建成成熟可用的系統(tǒng)，至少也要數(shù)年時間。以百度為例，從開始組建語音識別團(tuán)隊，歷時近4年才推出成型的語音識別產(chǎn)品。這其中的原因我們下一次再繼續(xù)深度分析。