语音交互时代

当前，语音交互似乎正迎来爆发期，智能语音技术经历数十年的发展，也在沉淀中走向成熟。一个明显的趋势是，语音识别已广泛应用于智能手机。但业内仍有声音唱衰智能语音市场，理由在于语音输入的方式并不稳定，同时应用场景有所局限。智能语音市场长期给人一种属于“大公司游戏”的既视感。而智能语音技术无非是一项工具或者技术，其普及仍需要依托一定的产业形态。

导读

当下大量硬件产品正在寻求和提供智能语音技术公司的合作。一些个性化匹配后的智能语音识别能力，在特定的场景下带来了更好的用户体验。这也推动着不同的产业围绕着智能语音这一新的交互方式走向融合。

当罗永浩站在台上演示基于科大讯飞(002230,股吧)智能语音技术的M1锤子手机，已经有人在舞台外开始唱衰这一应用的前景，“两个星期之后就会被人忘记”，一位网友在知乎上评论说。这代表了一部分人对于智能语音技术的观点。

这种唱衰自有其道理：和语音转文字的方式相比，直接输入的方式已经被习惯和广泛使用。况且，语音输入的方式并不稳定。

智能语音识别领域似乎从来就是大公司的游戏：长期而高昂的投入，短期内难以见到回报，最终甚至可能发现缺乏实际应用的平台。也因此，开放策略是每个着重智能语音技术研发公司的选择。

但一个明显的趋势是，当下大量硬件产品正在寻求和提供智能语音技术公司的合作。一些个性化匹配后的智能语音识别能力，在特定的场景下带来了更好的用户体验。这也推动着不同的产业围绕着智能语音这一新的交互方式走向融合。

群雄逐鹿

事实上，当你打开身边任何一款手机或者电脑，会发现智能语音技术的身影早已无处不在。无论是iPhone当中的siri，安卓手机当中的Google now，甚至是装载了win10的PC中，Cortana被放在了尤为醒目的位置。

当你打开手里的iPhone，使用搜狗输入法：同样支持将语音转换成文字。而当你使用微信，“语音输入”也隐藏在功能栏当中。若你是一个热衷新科技的青年，恐怕你会发现手腕上的手表、家里的音响甚至头戴式的耳机都可以和你“对话”，并且能够理解你发出的简单指令。

这是一项覆盖足够广的技术，但各种产品的特点和能力参差不齐。以及，其在用来担当输入角色时，被证明并不受到用户足够喜爱。就像你的手机里有siri，但用它来协助工作的用户仅仅是少数。

在上述公司当中，诞生了智能语音技术的两类公司，一类直接面向用户，一类则是向企业开放服务。例如在乔布斯的遗作iPhone4s当中，首次被添加上的siri，底层的语音技术来自全球领先的语音识别软件公司Nuance。

这两类企业也在国内外形成了各自代表，例如国内的To C端的百度、搜狗、出门问问、微软旗下小冰和Cortana等，而在To B端则集结了科大讯飞、云知声、思必驰以及国外的Nuance等。

但无论面向哪一端，一项智能语音技术难以绕过的指标是准确率。好消息是，目前无论科大讯飞抑或是微软，其语音识别的准确度在近年来均在不断提升，其中微软在10月18日宣布，微软进一步将词错率降低至5.9%。

但技术瓶颈仍旧存在。一方面，在嘈杂等环境下，目前智能语音识别准确度将大打折扣，另一方面，则是准确度提升的天花板。事实上，语音识别技术在过去十年准确度进步突飞猛进，但再度提升难度越来越大。

鲜有创业公司在智能语音这项技术当中扮演重要角色。甚至，智能语音当前也并未成为投资人所追逐的热点风口：和人才相比，智能语音市场从来不是一个强资本的领域。

“投资智能语音技术并非不是好选择，只是可投资的选择相对较少。”创新工场前投资经理孙志超告诉21世纪经济报道记者，其认为在智能语音技术市场，“投资最好的那家就够了。”此外，多位投资人士告诉21世纪经济报道记者，当前来看，智能语音技术难以成为风口。无论和前两年的O2O市场抑或是今年的直播领域比起来，智能语音技术创业的进入门槛都较高。

也正是由于门槛较高，智能语音市场长期给人一种属于“大公司游戏”的既视感。一方面源自这一技术需要长期的大量投入，而且往往难以在短期带来回报，对于微软等公司来说，承担这一角色的是研究院而非公司部门;另一方面则是由于智能语音技术需要技术储备和大量数据积累，大公司往往在其中拥有优势。

出门问问是一家典型的To C人工智能公司，其将智能语音技术和各项硬件产品结合了起来。出门问问CEO李志飞在采访中告诉21世纪经济报道记者，作为创业者，面临的行业对手往往是企业当中的某个部门。其时常被问到的问题是，该如何应对来自例如百度这样公司的竞争。

产业融合

部分公司选择利用资本的方式来缩小同对手的差距。亚马逊推出的Echo是一款基于智能语音技术的产品。和微软等公司相比，亚马逊发力语音技术时间较晚，不过自2011年以来，亚马逊收购了大量语音公司。

但并非所有人认同资本运作的方式来切入市场。科大讯飞董事长刘庆峰在接受采访中告诉21世纪经济报道记者，其认为通过资本并购等手段来发展人工智能的手段并不可取，刘庆峰认为科大讯飞应定义为一家“华为式”的公司。事实上也是如此，科大讯飞发展过程中仅接受过极少数投资方注资。

在亚马逊收购的一系列公司当中，包括语音公司Yap、语音技术公司Evi，研究语音转文字和强化语音识别在商品搜索上的应用，以及于2013年收购波兰语音技术公司Ivona Software。这和Echo的产品定位有关系。

Echo本身是亚马逊推出的一个音响，但亚马逊在其中接入了各项服务，例如通过语音交互的方式来购买商品。因此，其并不单纯追求语音识别的准确性，而是着重定位在购买服务相关。

此举在国内也迎来效仿者。例如京东智能和科大讯飞此前合资成立了一家公司“灵隆科技”，该公司同样推出了一款智能音响，用户能够利用音响来进行叫车、下单购买商品等。此外比较有中国特色的是，灵隆科技将为平台第三方服务商提供补贴，以吸引入驻平台。

长期来看，智能语音技术无非是一项工具或者技术。但其普及需要依托一定的产业形态。

李志飞告诉21世纪经济报道记者，其认为人工智能研发应当脱离实验室，在寻求落地过程中不断完善技术。目前出门问问在车载后视镜、智能手表领域均推出设备。此外，出门问问本身也是集中在解决用户出行等相关需求等，而非单纯的智能语音识别。

Fill是汪峰担任董事长的一家耳机公司，该公司CTO邬宁告诉21世纪经济报道记者，其选择和目前已经成熟的智能语音厂商达成合作，在Fill旗下的耳机产品当中加入语音识别功能。邬宁认为，目前市场上已经有成熟的智能语音解决方案，但是否能够对接好，同样考验硬件厂商的功力。

越来越多的硬件厂商寻求和智能语音厂商的对接。但也有出门问问这样的公司，选择自己操刀软硬件。

如此来看，利用智能语音识别技术来进行手机输入还仅仅是一个初步的尝试。由于目前已经有成熟的手机输入方案，智能策略也并未给用户带来颠覆式的变革。因此，或许可以借鉴亚马逊在Echo上的做法，直接砍掉语音交互之外的任何方式，以培养用户使用语音交互的习惯。

可以预见，智能语音技术和其他产业，尤其是硬件产品的结合仍在朝着更加深入的方向发展。本报记者 汪传鸿北京报道