掌控語(yǔ)音就將掌控一切。語(yǔ)音之“熱”是真正的產(chǎn)業(yè)良機(jī)還是過(guò)度炒作？中國(guó)語(yǔ)音企業(yè)該選擇怎樣的成長(zhǎng)路徑？如何揚(yáng)長(zhǎng)避短與國(guó)際巨頭一較高下？

　　科大訊飛立體云、捷通華聲套餐云、云知聲靈巧云和百度開(kāi)放云……且看各門(mén)各派如何搶灘中國(guó)智能語(yǔ)音市場(chǎng)。

　　這是一個(gè)最好的時(shí)代，這是一個(gè)聲控的時(shí)代，這是個(gè)光明的季節(jié)，也是個(gè)希望的春日。

　　從幾年前蘋(píng)果Siri將語(yǔ)音迅速升溫推至消費(fèi)者面前，到現(xiàn)在語(yǔ)音助手幾乎已成為智能手機(jī)、汽車(chē)電子、智能家居的標(biāo)配，從人們過(guò)去在路邊招手打車(chē)到現(xiàn)在先用微信與出租車(chē)師傅說(shuō)好再出門(mén)……似乎，智能語(yǔ)音產(chǎn)業(yè)已經(jīng)迎來(lái)生機(jī)盎然的春天。語(yǔ)音一時(shí)間成為輿論的焦點(diǎn)：“語(yǔ)音將徹底替代鼠標(biāo)、鍵盤(pán)”，“語(yǔ)音將成為移動(dòng)互聯(lián)網(wǎng)主流信息入口”，“誰(shuí)掌控語(yǔ)音誰(shuí)就將掌控一切”……看好、贊揚(yáng)語(yǔ)音之聲不絕于耳。

　　但一個(gè)技術(shù)從萌芽期開(kāi)始不斷發(fā)展，要醞釀多久才會(huì)到爆發(fā)期？智能語(yǔ)音產(chǎn)業(yè)是真的到爆發(fā)期了，還是被提前過(guò)度炒作了？智能語(yǔ)音產(chǎn)業(yè)現(xiàn)狀和未來(lái)發(fā)展方向如何？中國(guó)智能語(yǔ)音企業(yè)又該如何選擇適合自己的成長(zhǎng)路徑？帶著這些疑問(wèn)，記者先后采訪多位智能語(yǔ)音專家，力求探知一二。

　　莫錯(cuò)失趕超良機(jī)

　　智能語(yǔ)音是新一代的人機(jī)交互技術(shù)手段之一。就像人與人之間對(duì)話交流一樣，智能語(yǔ)音是要通過(guò)語(yǔ)音實(shí)現(xiàn)人與機(jī)器之間的交互，即機(jī)器能聽(tīng)懂，并能回答提問(wèn)，實(shí)現(xiàn)對(duì)話互動(dòng)。“智能語(yǔ)音技術(shù)主要包括語(yǔ)音識(shí)別、自然語(yǔ)言理解和語(yǔ)音合成三個(gè)環(huán)節(jié)，完成讓機(jī)器聽(tīng)懂人說(shuō)話，再讓機(jī)器說(shuō)人話的過(guò)程。這種交互需要基于海量的語(yǔ)料庫(kù)，通過(guò)模型實(shí)現(xiàn)語(yǔ)音識(shí)別和語(yǔ)義理解，包括對(duì)語(yǔ)法、分詞、情景，甚至是情緒等的理解，再通過(guò)知識(shí)庫(kù)系統(tǒng)找到答案，然后通過(guò)語(yǔ)音合成技術(shù)說(shuō)出答案，來(lái)回交互。”在接受記者采訪時(shí)，中國(guó)語(yǔ)音產(chǎn)業(yè)聯(lián)盟副秘書(shū)長(zhǎng)李德升這樣給出他對(duì)智能語(yǔ)音的理解。

　　百度語(yǔ)音首席研究員賈磊在第十八屆中國(guó)國(guó)際軟件博覽會(huì)的演講中介紹，百度語(yǔ)音就是通過(guò)語(yǔ)音識(shí)別、語(yǔ)義理解和后臺(tái)資源來(lái)實(shí)現(xiàn)“你說(shuō)我聽(tīng)”、“你說(shuō)我想”和“你說(shuō)我做”的過(guò)程，打造人機(jī)交互的閉環(huán)過(guò)程。

　　人機(jī)智能語(yǔ)音交互，說(shuō)起來(lái)容易做起來(lái)難。20世紀(jì)50年代，AT&T開(kāi)發(fā)出第一個(gè)語(yǔ)音識(shí)別系統(tǒng)Audry;20世紀(jì)80年代，智能語(yǔ)音技術(shù)研究由傳統(tǒng)的基于標(biāo)準(zhǔn)模型匹配的技術(shù)思路開(kāi)始轉(zhuǎn)向基于統(tǒng)計(jì)模型的技術(shù)思路；21世紀(jì)初，智能語(yǔ)音從技術(shù)研究走向?qū)嵱貌⑦M(jìn)入產(chǎn)業(yè)化，進(jìn)入呼叫中心、家電、汽車(chē)等領(lǐng)域；而近期，以蘋(píng)果Siri發(fā)布為重要引爆點(diǎn)，智能語(yǔ)音應(yīng)用才開(kāi)始向移動(dòng)互聯(lián)網(wǎng)等新興領(lǐng)域延伸，產(chǎn)業(yè)進(jìn)而不斷積累、發(fā)展。

　　智能語(yǔ)音技術(shù)是人工智能的研究領(lǐng)域之一，其原理涉及聲學(xué)、語(yǔ)言學(xué)、數(shù)字信號(hào)處理和計(jì)算機(jī)科學(xué)等多個(gè)學(xué)科，研究周期長(zhǎng)，投入成本大，技術(shù)壁壘高。全球和中國(guó)智能語(yǔ)音市場(chǎng)基本形成寡頭壟斷的格局。隨著智能語(yǔ)音產(chǎn)業(yè)的快速發(fā)展，產(chǎn)業(yè)競(jìng)爭(zhēng)進(jìn)一步加劇，也吸引了IT巨頭和中小創(chuàng)業(yè)團(tuán)隊(duì)爭(zhēng)相進(jìn)入，與傳統(tǒng)語(yǔ)音技術(shù)提供商共同角逐智能語(yǔ)音市場(chǎng)。

　　在國(guó)際市場(chǎng)，既有像Nuance這樣的占據(jù)全球62%語(yǔ)音市場(chǎng)的傳統(tǒng)語(yǔ)音技術(shù)巨頭，也有谷歌、蘋(píng)果、微軟、IBM等IT巨頭的競(jìng)爭(zhēng)參與。在國(guó)內(nèi)市場(chǎng)，李德升告訴記者，目前我國(guó)語(yǔ)音技術(shù)廠商基本分為三類：一類是傳統(tǒng)語(yǔ)音技術(shù)廠商，一般從科研院所基礎(chǔ)研究脫胎，包括像科大訊飛（中國(guó)科技大學(xué)）、捷通華聲（清華大學(xué)、中科院聲學(xué)所、北京大學(xué)）、中科模識(shí)（中科院自動(dòng)化所）、中科信利（中科院聲學(xué)所）等；第二類是互聯(lián)網(wǎng)廠商，包括百度、騰訊、搜狗等，它們?yōu)榻o其廣大的互聯(lián)網(wǎng)用戶提供更好的增值服務(wù)，普遍采用戰(zhàn)略合作或者收購(gòu)等方式，掌握智能語(yǔ)音技術(shù)，推廣語(yǔ)音服務(wù)；第三類是創(chuàng)業(yè)企業(yè)，像云知聲、思必馳等，它們專注于某些行業(yè)領(lǐng)域，比如汽車(chē)、家電、教育、社交網(wǎng)絡(luò)來(lái)推廣自己的語(yǔ)音技術(shù)和產(chǎn)品。