隨著語音技術(shù)的不斷發(fā)展，語音識別已在多個領(lǐng)域廣泛利用。我們體驗過語音輸入、語音控制及語音撥號等應(yīng)用的便捷，但是也經(jīng)常吐槽其辨識度的瓶頸。盡管如此當(dāng)下火熱的可穿戴設(shè)備廠商也力拼此項技術(shù)，顯然，語音識別被認(rèn)為是未來物聯(lián)網(wǎng)領(lǐng)域的基礎(chǔ)需求，甚至將會無處不在。

　　據(jù)中國智能語音產(chǎn)業(yè)聯(lián)盟發(fā)布的《2013中國智能語音產(chǎn)業(yè)發(fā)展白皮書》稱，智能語音已進入快速應(yīng)用階段。去年，中國智能語音產(chǎn)業(yè)規(guī)模約為8.6億元，帶動相關(guān)產(chǎn)業(yè)產(chǎn)值100億元，預(yù)計到2017年，將帶動相關(guān)產(chǎn)業(yè)規(guī)模增長1000億元，占全球相關(guān)產(chǎn)業(yè)規(guī)模的比重將由去年的5.6%增至17.1%。

　　上述針對語音產(chǎn)業(yè)市場的數(shù)據(jù)并不是特別可信，僅科大訊飛剛剛公布的2013年年報顯示，實現(xiàn)營業(yè)總收入125370.78萬元，同比增長59.92%，實現(xiàn)利潤總額32058.40萬元。試問，上述白皮書的內(nèi)容如何讓人信服。

　　增強用戶體驗，云平臺仍需完善

　　以目前的技術(shù)，語音識別在實驗室條件下能達到非常高的準(zhǔn)確率，但實際應(yīng)用中往往遇到環(huán)境噪音、方言口音、話題專業(yè)性等問題，最終影響用戶體驗，因此，技術(shù)的穩(wěn)定和成熟程度是語音識別的創(chuàng)業(yè)門檻。梁家恩認(rèn)為，要想把語音識別系統(tǒng)做好，除了有強大的算法以外，還要有大量的數(shù)據(jù)。他坦言，與行業(yè)老大科大訊飛相比，云知聲的數(shù)據(jù)量要少得多，不過，通過建立公有云平臺，可以不斷積累數(shù)據(jù)，從而優(yōu)化系統(tǒng)。

　　云知聲聯(lián)合創(chuàng)始人、CEO梁家恩表示相比傳統(tǒng)做2B的語音識別公司，云知聲的基因更偏向于互聯(lián)網(wǎng)，通過免費的公有云語音平臺帶動私有云服務(wù)的定制，還為日后進一步商業(yè)化埋下伏筆。

　　具體而言，公有云平臺提供大詞匯量連續(xù)語音在線識別，開發(fā)者不論大小，都可以通過API直接調(diào)用公有云服務(wù)。事實上，云知聲的客戶里80%以上都是中小企業(yè)和個人開發(fā)者，這恰好與深耕大客戶服務(wù)的科大訊飛形成了一種差異和互補。不過，這并不影響大企業(yè)對云知聲的青睞。梁家恩坦言，包括樂視、錘子RO M，其實一開始找的都是科大訊飛，云知聲之所以最終能吸引到他們，除了技術(shù)達到一定水準(zhǔn)以外，快速的執(zhí)行力是最大的優(yōu)勢。“以跟搜狗的合作為例，從第一次接觸，到搜狗語音助手的發(fā)布只花了兩周時間，而一般來說要洽談幾個月。”這些大企業(yè)本身的用戶量很大，一下子給公有云平臺帶來了大量數(shù)據(jù)。

　　有了公有云作為基礎(chǔ)，云知聲進一步探索私有云的路徑。梁家恩解釋，公有云平臺提供的只是基礎(chǔ)的語音技術(shù)服務(wù)，而事實上，語音交互跟企業(yè)業(yè)務(wù)的關(guān)聯(lián)性很強，對于那些對語音有剛需的企業(yè)來說，公有云并不足以完全滿足需求，還要根據(jù)企業(yè)特有的應(yīng)用環(huán)境優(yōu)化識別模型。比如云知聲與樂視的合作，就是將語音助手根據(jù)電視領(lǐng)域進行了深度定制和融合，使得效果更貼合智能電視的實際使用。

　　智能手表將綁定語音識別

　　智能手表屏幕較小，使用額外的S-pen一類的輔助工具也并不現(xiàn)實，在當(dāng)前條件下看，唯有依靠語音輸入了。語音輸入看上去是個不大的基礎(chǔ)應(yīng)用，實現(xiàn)起來卻需要非常復(fù)雜的技術(shù)能力，已經(jīng)涉及到人工智能AI的范疇，而且這個技術(shù)已經(jīng)進化了幾十年，似乎還沒得以大規(guī)模商用，可見其開發(fā)難度。

　　Gear中內(nèi)置了三星自己的S-Voice，另外也和百度合作，將百度語音助手預(yù)裝了進去?？磥戆俣扰c三星的關(guān)系相當(dāng)不一般，前有百度云，后有語音助手，對看重安卓更甚iOS的百度，支持力度相當(dāng)大。不過，還是有理由相信，百度語音助手的技術(shù)實力已達到三星所期望的程度，預(yù)裝其語音產(chǎn)品，可以給智能手表帶來更好的用戶體驗。語音有可能是智能手表的唯一輸入方式，在這方面無法做到準(zhǔn)確，易用，快捷，是很難讓用戶買單的，會成為其發(fā)展瓶頸。

　　其他一些語音識別工具，如搜狗和科大訊飛等產(chǎn)品，是不是也能做到差不多的識別效果。Viavoice是一種學(xué)習(xí)型的語音識別軟件，你需要適時地對識別結(jié)果進行調(diào)整，以方便機器下一次識別，積累下來的識別數(shù)據(jù)要妥善保護，要是因為一次重裝系統(tǒng)而導(dǎo)致丟失的話，一切都得重來。從商用角度來看，這還做不到多好的商用體驗，而如今的語音識別技術(shù)，從體驗上明顯已能讓人看到曙光。

　　解決瓶頸，語音識別將無處不在

　　語音技術(shù)已經(jīng)發(fā)展了好一段時間，原本大多數(shù)出現(xiàn)在企業(yè)的客服專線，幾年前才開始運用于應(yīng)用程序中；現(xiàn)在我們能在應(yīng)用程序、游戲機、家庭自動化、機器人、可穿戴設(shè)備等應(yīng)用領(lǐng)域中看到它。“該技術(shù)將會無所不在，”美商Nuance CommunicaTIons的首席人機互動與對話設(shè)計師Tanya Kraljic表示：“隨著語音識別技術(shù)的不斷演進，人們將會理解，這是一種與科技互動的自然方法。”

　　當(dāng)然，還有一些障礙需要克服；不過Kraljic相信，語音識別技術(shù)的下一次飛躍將會是一種會通知進行對話，對使用者的過去、喜好以及個人更了解，并能使用傳感器來取得更多環(huán)境信息的智慧系統(tǒng)：“我們已經(jīng)在感知技術(shù)以及自然語言理解技術(shù)方面取得很不錯的進展，現(xiàn)在我們需要拓展智慧功能的極限。”

　　Kraljic 指出，可穿戴設(shè)備將有助于促進語音技術(shù)的發(fā)展，特別是因為很多該類裝置配備較小尺寸的熒幕、或是沒有熒幕，就會倚重語音形式的人機互動方案。Google Glass與Motorola的Hint免持式耳機，就是采用語音作為主要輸入方式的兩個案例：“這類裝置的出現(xiàn)將語音識別使用體驗又往前推了幾步；”盡管對科技產(chǎn)品說話感覺還是有點怪，她認(rèn)為有一天社會風(fēng)氣會因為便利性以及使用價值等因素而有所改變。

　　未來隨著手持設(shè)備的小型化，甚至穿戴化，各種智能眼鏡，手表等層出不窮，誰能在語音輸入方面取得領(lǐng)先優(yōu)勢，誰就能掌握了用戶的一個基礎(chǔ)需求，誰也就能在物聯(lián)網(wǎng)世界里，占據(jù)一個重要入口。