人機交互新革命

牛祿青

從十九世紀(jì)末的打孔卡和紙帶輸入，到盛行了數(shù)十年的鍵盤鼠標(biāo)，再到現(xiàn)在流行的觸摸輸入，人機交互正在變得更直觀、自然和人性化。近幾年，隨著語音識別技術(shù)的快速發(fā)展，智能語音正成為新的人機交互方式。

“以前我們說鼠標(biāo)加水泥等于新經(jīng)濟加傳統(tǒng)經(jīng)濟，現(xiàn)在鼠標(biāo)已經(jīng)不是新經(jīng)濟，手機的輸入方式已經(jīng)是手勢、語音甚至圖像。”百度CEO李彥宏說，去年一年語音識別的準(zhǔn)確率提升比此前15年提升的總和還要多。智能手機的普及也使得這方面的需求大大激發(fā)。

2011年10月4日，iPhone4S對外發(fā)布，讓用戶感到新奇的是，智能語音助手Siri被成功植入iPhone4S之中。Siri的橫空出世，在全球引發(fā)了語音熱潮，各類語音助手幾乎成為智能手機的必備應(yīng)用。

相比早期的語音控制系統(tǒng)，Siri將iPhone變成了一個智能機器人，用戶對著手機說話，不僅可以讓手機讀短信和撥號，甚至能夠查詢天氣、餐廳位置、航班等以往不可想象的功能。在Siri身上，人們看到了語音成為手機實用交互方式的可能，而不像以前只能通過鍵盤或手寫輸入文字來傳遞信息。

除了手機內(nèi)自帶的語音助手，不少第三方語音助手應(yīng)用也如雨后春筍般涌現(xiàn)，譬如訊飛語點、百度語音助手、搜狗語音助手、蟲洞語音助手、智能360語音助手等。這些語音助手的功能也越來越強，不僅可以通過語音搜索內(nèi)容、查詢信息，還可以聊天解悶、講故事、唱歌。

最近中關(guān)村在線手機事業(yè)部針對手機語音功能現(xiàn)狀進行了一項調(diào)查，結(jié)果顯示，67.68%的受訪者表示使用過語音助手軟件，這足以證明手機語音助手類應(yīng)用的市場熱度。

不單單是手機，語音技術(shù)也逐步應(yīng)用于PC、平板電腦、家電、車載、玩具、手表、眼鏡等智能終端，以及教育、電信、金融、保險、客服等領(lǐng)域。在2013年英特爾信息技術(shù)峰會（IDF）上，英特爾“感知計算”概念的提出，意在建立起一個新的人機交互框架，掀起“重塑PC”的革命，而語音識別就是感知計算的一部分。

實際上，“聽話”的瀏覽器離我們并不遙遠(yuǎn)。Google Chrome瀏覽器已經(jīng)開始嘗試支持聲控命令，或許要不了多久，我們就能通過聲控瀏覽器完成瀏覽網(wǎng)頁、發(fā)送郵件等。比如，你可以通過“暗一點”“亮一點”“字體大一號”等語音命令來控制瀏覽器。

結(jié)合地圖系統(tǒng)和智能語音識別的打車軟件一經(jīng)面世便得到消費者的廣泛關(guān)注。曾在北上廣風(fēng)靡的打車叫車軟件“嘀嘀打車”，前不久正式進入武漢運營。據(jù)了解，“嘀嘀打車”軟件在武漢市場試運行的14天時間里，召車成功率達(dá)88%，遠(yuǎn)遠(yuǎn)超過武漢官方叫車平臺“電召”的48.5%。

4月10日～12日，第一屆中國電子信息博覽會在深圳舉行。由工業(yè)和信息化部指導(dǎo)，19家單位聯(lián)合發(fā)起成立的中國語音產(chǎn)業(yè)聯(lián)盟組團參展，將神奇的智能語音體驗帶到了現(xiàn)場，全面展示了智能語音技術(shù)在移動互聯(lián)網(wǎng)、教育、智能電視、車載終端、玩具等方面的新產(chǎn)品、新應(yīng)用。

清華大學(xué)吳及副教授表示，通過技術(shù)上的不斷優(yōu)化和完善，快則一兩年，慢則三五年，語音識別技術(shù)會成為人機交互的重要組成部分。未來最可能還是混合的交互方式，語音成為主流交互方式之一，因為不同的場景、用戶需要和用戶習(xí)慣，都會造成選擇交互方式的多元化。

智能語音爆發(fā)

世界銀行去年發(fā)布報告稱，全球手機數(shù)量已經(jīng)從2000年不到10億部，增長到現(xiàn)在的60億部，其中近50億部都在發(fā)展中國家。世界銀行估計，到2015年，世界上將有人口75億，而手機將達(dá)到近90億部。

市場調(diào)查機構(gòu)策略分析公司Strategy Analytics公布的調(diào)查結(jié)果顯示，自智能手機1996年面世以來，截至2012年第三季度，全球智能手機用戶數(shù)量突破10億部。也就是說，現(xiàn)在全球七分之一的人擁有某種智能手機。Strategy Analytics預(yù)測，全球智能手機用戶數(shù)量最遲將于2015年突破20億大關(guān)，2013年，僅僅Android用戶就將超過10億人。這是因為智能手機市場還存在著巨大的增長潛力，尤其是在中國、印度和非洲國家市場。

艾媒咨詢（iiMedia Research）分析認(rèn)為，隨著智能手機價格平民化以及運營商、渠道商、手機廠商對智能手機市場不遺余力地推廣，使得使用智能手機開始成為一種大眾潮流，大批非智能手機用戶轉(zhuǎn)化為智能手機用戶。預(yù)計到2013年年底，中國市場智能手機用戶規(guī)模將突破5億。

在智能手機市場，以智能語音技術(shù)軟件應(yīng)用平均收入為5元/臺計算，2013年中國智能語音市場應(yīng)用規(guī)模可達(dá)25億元，2015年全球智能語音市場應(yīng)用規(guī)模可達(dá)100億元。

中國互聯(lián)網(wǎng)絡(luò)信息中心CNNIC調(diào)查顯示，截至 2012 年 12 月底，我國手機網(wǎng)民達(dá)到 4.2 億戶，占網(wǎng)民比例由上年的 69.3% 升至 74.5%。目前中國已經(jīng)成為繼美國之后全球第二大移動應(yīng)用市場，擁有 50 多家應(yīng)用商店，最大的應(yīng)用平臺中應(yīng)用數(shù)量已經(jīng)達(dá)到 70 多萬，下載量超過 90 億次。

借助開放平臺和應(yīng)用商店模式的助推，移動互聯(lián)網(wǎng)分布在音樂、電商、游戲、搜索等領(lǐng)域的產(chǎn)業(yè)價值趨于明顯。2012年，iOS 平臺上共有超過73萬款應(yīng)用上線，中國移動MM平臺上應(yīng)用接近15萬。

另外，2012年微信用戶數(shù)突破2億，對傳統(tǒng)的話音、短信業(yè)務(wù)形成強烈沖擊。據(jù)估計，到2015年我國移動互聯(lián)網(wǎng)市場規(guī)模將達(dá)到4296億元，活躍用戶將超過8億。

近幾年，移動互聯(lián)網(wǎng)的大規(guī)模爆發(fā)，作為主要載體的智能手機在鍵盤輸入和手寫輸入方面非常不方便，這為語音識別技術(shù)的應(yīng)用提供了巨大空間。

一款由云知聲研發(fā)的微信語音輸入插件，只需對著手機說話就可以快速發(fā)短信了，每分鐘可以輸入100字。自今年2月推出后，以精準(zhǔn)的識別性能和全新的交互體驗，受到廣大用戶的追捧，發(fā)布一周即登頂App Store首位，使用該應(yīng)用軟件的用戶接近100萬，開啟三十次以上的每天有幾萬人。

云知聲創(chuàng)始人兼CEO梁家恩表示，語言是人類交流中最重要、最自然的方式，所以語音技術(shù)的普及將引起人機交互方面最深刻的革命。這是一種更高效的人機交互方式，極大地提高了效率，同時降低了用戶信息獲取的難度和門檻。最直接的例子是，我想跟朋友說今晚約會地點。傳統(tǒng)的手機交互方式是，需要點擊手機菜單，選擇新建信息，輸入聯(lián)系人，手指輸入文字內(nèi)容，發(fā)送……而通過語音助手，我們只需按下Home鍵或者線控上的按鍵，然后直接說“發(fā)短信給xx，今晚我們在xxx見面”即可。

在車載環(huán)境下，用戶的注意力主要集中在于駕駛，人與車的交互必須在不影響駕駛的前提條件下進行，而語音識別技術(shù)提供了安全便捷的交互方式，用戶只需動口，就可以滿足在行車過程中的相關(guān)需求。說出“想回家”，汽車會根據(jù)你家的位置設(shè)定好最佳路線，并開始導(dǎo)航。說出“加油站”，幾公里范圍內(nèi)的加油站將逐一由車載語音系統(tǒng)播報出來。

2013年配備語音交互的汽車出貨量將達(dá)到300萬輛，技術(shù)授權(quán)30～50元/輛，技術(shù)授權(quán)年度市場容量將超過1億，預(yù)計到2016年配備語音交互的汽車出貨量將達(dá)到1500萬輛，存量接近3000萬輛；車載增值服務(wù)滲透率逐步提高到30%～35%，年度市場容量將達(dá)到10億。

無論是Google已推廣上市的“Google Glass”，還是百度正在研制的“Baidu Eye”，都將語音操控作為人機溝通的重要手段，拍照、打電話、錄像，你只需說出你的需求，它就在你眼前展現(xiàn)出想要的結(jié)果。智能眼鏡、智能手環(huán)、智能手表、智能項鏈，這些物聯(lián)網(wǎng)時代的智能化設(shè)備，最大限度地利用了語音控制技術(shù)，它將讓未來的生活變得如夢如幻。

很多小朋友想擁有一個會說話的玩具，就像喜劇電影《泰迪熊》里面的TED一樣。如今，市場上已經(jīng)出現(xiàn)了智能語音玩具，按照預(yù)定程序執(zhí)行人的語音指令，如背詩、唱歌、翻跟頭、跳舞等。

發(fā)端于上世紀(jì)50年代的語音技術(shù)，經(jīng)歷了多次潮起潮落，這次是真正的變革，還是又一輪泡沫？吳及告訴記者，“這次的興起與過去不太一樣，超過以往任何一次的高度，商業(yè)化應(yīng)用的規(guī)模，普通民眾的接受和認(rèn)可程度，都遠(yuǎn)遠(yuǎn)超過了以往。”

對于語音產(chǎn)業(yè)爆發(fā)的原因，吳及有著自己的思考：一是移動互聯(lián)網(wǎng)的發(fā)展，使手機成為重要的客戶端，現(xiàn)在手機數(shù)量已經(jīng)遠(yuǎn)遠(yuǎn)超過PC和筆記本，導(dǎo)致越來越多的交互行為通過手機來完成。蘋果ios、安卓等智能手機操作系統(tǒng)推出后，手機應(yīng)用和手機交互逐漸增多，但在手機上靠傳統(tǒng)的鍵盤輸入很不方便，手寫又太慢，而使用語音輸入很方便，這樣用戶的需求就被激發(fā)了。

二是隨著移動互聯(lián)網(wǎng)和云計算的發(fā)展，語音識別不需要在本機做了，可以在云端做。這樣資源條件大為放松，對語音識別引擎不需要非常嚴(yán)格地限制了。此外，用戶的語音數(shù)據(jù)可以存放在云端，就能有大量的真實數(shù)據(jù)用于模型訓(xùn)練，語音識別性能得到了迅速地提高，識別率可以達(dá)到85%～90%以上，這就達(dá)到了用戶使用的最低門檻。

三是語音識別技術(shù)一直在進步，最近十年也不斷有新的突破，例如聲學(xué)模型的鑒別力訓(xùn)練和近年來非常熱的深度神經(jīng)網(wǎng)絡(luò)。

爭搶語音電視

引入語音識別和語音合成技術(shù)的智能語音電視不僅能聽懂用戶說話并作出反應(yīng)，而且還能說話。用戶憑借語音指令可以輕松完成音量調(diào)節(jié)、換臺操作、電視節(jié)目查詢、網(wǎng)絡(luò)瀏覽搜索、文字輸入等服務(wù)，還可以提供天氣、股票、航班、熱點新聞等信息，讓用戶“所說即所得”。

5月7日，樂視超級電視在五棵松萬事達(dá)中心全球首發(fā)，吸引了眾多與會者參與。與之前其他的電視類產(chǎn)品不同，樂視超級電視集硬件、軟件和內(nèi)容完美結(jié)合，是一款真正意義上的互聯(lián)網(wǎng)電視，同時具有超高的性價比。

在電視、上網(wǎng)功能完美結(jié)合的同時，樂視還集成了目前最先進的智能語音交互技術(shù)，用戶通過帶有麥克風(fēng)的遙控器，就可以輕松自然地實現(xiàn)操控、輸入、搜索等功能。而該項技術(shù)由云知聲提供。從現(xiàn)場的演示效果來看，語音識別準(zhǔn)確度和識別效率方面都具有很高的水準(zhǔn)。

在樂視網(wǎng)董事長兼CEO賈躍亭看來，“‘超級電視是這個星球上有史以來最強大的硬件怪獸。”賈躍亭的底氣來自于其合作伙伴，聯(lián)合全球最頂尖面板供應(yīng)商夏普、全球最頂尖的智能芯片商美國高通公司、全球最頂尖硬件制造商富士康和播控平臺合作方CNTV；而更大的底氣則是“超級電視”的高性價比，60英寸X60是超級電視的旗艦型產(chǎn)品，售價僅6999元，要比市場上的價格便宜一半多，同時推出的普及型產(chǎn)品S40售價1999元。

樂視推出的超級電視是否能如其所言“顛覆”傳統(tǒng)電視呢？業(yè)內(nèi)都在拭目以待。作為互聯(lián)網(wǎng)企業(yè)敢于殺入目前似乎固若金湯的電視行業(yè)，這也說明智能電視已成為互聯(lián)網(wǎng)企業(yè)覬覦的獵物。不只是樂視，阿里巴巴、PPTV、小米等也推出了機頂盒產(chǎn)品，而在此布局更早的谷歌、蘋果早已“襲擊”了電視。

為了適應(yīng)智能交互方式的發(fā)展潮流，早在去年，國內(nèi)六大電視廠商長虹、海信、康佳、海爾、TCL、創(chuàng)維等企業(yè)紛紛推出可以語音控制的智能電視。為了在智能電視市場先人一步，2012年2月16日，就在大家都還沉寂在新年余味的時候，長虹聯(lián)合語音技術(shù)公司科大訊飛率先發(fā)布30多款Ciri語音智能電視新品，最高售價近7000元。隨后，其他彩電企業(yè)也迅速跟進，推出具有語音識別功能的智能電視或云電視。

需要注意的是，國內(nèi)彩電企業(yè)在半導(dǎo)體、智能語音等方面都缺乏技術(shù)儲備，只能拉入第三方語音企業(yè)作為外援提供技術(shù)支持。業(yè)內(nèi)人士認(rèn)為，進行語音技術(shù)和人員儲備是彩電企業(yè)的當(dāng)務(wù)之急。

而科大訊飛的盈利模式也有許多尷尬。眾彩電廠商和科大訊飛均是“一錘子買賣”，即一次性購買語音軟件或芯片，前者推出的所有應(yīng)用皆為免費，只是智能產(chǎn)品本身的售價有一定幅度提高。

據(jù)預(yù)測，2013年智能電視出貨量將達(dá)到1500萬臺，2016年智能電視出貨總量將超過4000萬臺，智能電視存量將超過1億，年度市場規(guī)模將超過13億。未來，在每個家庭網(wǎng)絡(luò)上的電器設(shè)備，都可以被人們的語音控制。

語音數(shù)據(jù)金礦

智能語音技術(shù)應(yīng)用非常廣泛，不單單是前面提到的手機、電視、玩具、汽車等領(lǐng)域，也包括即將興起的智能客服、智能訂單、智能營銷等智能語音服務(wù)。

隨著互聯(lián)網(wǎng)的發(fā)展，許多企業(yè)客服放到互聯(lián)網(wǎng)上了，比如QQ、微信、旺旺，現(xiàn)在都是鍵盤交互，以后可以通過語音交互，減少人工客服成本。這些與語音工具進行實時對話的應(yīng)用，屬于在線應(yīng)用（B2C）。

另一個非常重要的應(yīng)用領(lǐng)域是離線應(yīng)用（B2B）。離線應(yīng)用是通過與大數(shù)據(jù)技術(shù)的結(jié)合，對海量語音數(shù)據(jù)進行處理、挖掘和分析，開發(fā)和利用其中的價值。

語音數(shù)據(jù)也是大數(shù)據(jù)，比如呼叫中心，每天的電話數(shù)據(jù)非常驚人，隨著中國人口紅利的消失，呼叫中心的智能化日益迫切。據(jù) Ascent Group 2010年IVR研究報告，2016年電信、金融、電力等重點行業(yè)呼叫中心市場規(guī)模預(yù)計達(dá)到30萬線以上。此外，中國移動的一個省級呼叫中心，一天的數(shù)據(jù)就有上萬小時；還有電視、廣播、互聯(lián)網(wǎng)等媒體上大量的語音數(shù)據(jù)。

“這些數(shù)據(jù)如果不能被有效處理，就無法被應(yīng)用，只能被閑置，實際上可以利用語音識別技術(shù)將這些數(shù)據(jù)轉(zhuǎn)化成文字等符號性表示，然后再被挖掘、檢索和利用。”吳及說。

他進一步指出，離線應(yīng)用比在線應(yīng)用確定性更強，由于面向海量數(shù)據(jù)，只能選擇語音識別技術(shù)，使用人工轉(zhuǎn)寫，時間和人力成本太高了。

據(jù)了解，清華大學(xué)電子工程系多媒體信號與智能信息處理實驗室已經(jīng)在與科大訊飛合作，研究、開發(fā)、應(yīng)用離線技術(shù)，語音識別準(zhǔn)確率達(dá)到了80%以上。今年將在中國移動的一些分公司進行推廣。

離線應(yīng)用有兩方面價值，一是監(jiān)控客服質(zhì)量，提高企業(yè)服務(wù)水平。二是語音分析，通過語音識別和數(shù)據(jù)挖掘技術(shù)，可以更全面地了解實際情況，從而幫助決策層和管理層進行科學(xué)研判和趨勢預(yù)測。

此外，公共安全和政府等行業(yè)客戶對信息資源的深入開發(fā)利用也有著迫切的需要，并對基于文本及語音分析處理、數(shù)據(jù)挖掘等技術(shù)的海量信息智能分析與處理軟件平臺的開發(fā)有著明確需求。具體應(yīng)用是，從大量錄音數(shù)據(jù)中自動快速找出指定關(guān)鍵字的語音，從而得到公安或其他政府部門需要的信息，用于做出及時正確判斷和決策。據(jù)不完全統(tǒng)計，此項應(yīng)用在政府部門的市場總量將在6億元以上，但此項業(yè)務(wù)的門檻和公關(guān)成本很高。

誰主沉浮？

幾年前，語音行業(yè)不景氣，從事語音技術(shù)研究的多以學(xué)術(shù)界為主，這使得國內(nèi)的語音核心技術(shù)一直掌握在清華大學(xué)、中科院聲學(xué)所、中科院自動化所、中國科技大學(xué)等幾家單位，同時也導(dǎo)致語音行業(yè)的人才很稀缺。

從2008年開始，伴隨移動互聯(lián)網(wǎng)的大發(fā)展，語音識別產(chǎn)業(yè)才真正興起。谷歌于2008年在美國發(fā)布了英文語音搜索服務(wù)Voice Search，應(yīng)用于Android、諾基亞S60、黑莓、iPhone等多個系列的手機。2009年，Google在全球范圍正式發(fā)布了谷歌中文語音搜索。

2009年蘋果收購Siri，并于2012年推出中文版Siri，大受用戶歡迎，掀起智能語音熱潮。

在中國，最早從事語音識別產(chǎn)業(yè)化應(yīng)用的企業(yè)是科大訊飛（1999年成立）、捷通華聲（2000年成立），這兩家企業(yè)剛開始都專注于語音合成技術(shù)的研發(fā)（把文字轉(zhuǎn)化成聲音，比如機場、火車站聽到的播報）。2008年科大訊飛成為上市公司后，開始研發(fā)語音識別技術(shù)。2010年發(fā)布了語音云平臺，宣告移動互聯(lián)網(wǎng)語音聽寫時代到來。

作為語音行業(yè)的龍頭企業(yè)，短短幾年時間，科大訊飛的市值從2008年剛上市的34億，已經(jīng)增長到超過200億，讓人瞠目結(jié)舌。目前，科大訊飛是中國最大的智能語音技術(shù)提供商，也是我國惟一以語音技術(shù)為產(chǎn)業(yè)化方向的“國家863計劃成果產(chǎn)業(yè)化基地”。

依托于中科院聲學(xué)所的捷通華聲，成立時間基本和科大訊飛相當(dāng)，在之前相當(dāng)長一段時間內(nèi)，也和科大訊飛旗鼓相當(dāng)，但最終的結(jié)果是科大訊飛發(fā)展起來并成功上市，而它則相對平淡。

近年來，科大訊飛攻城略地，繼牽手中移動、中聯(lián)通后，5月27日發(fā)布公告稱，已與中國電信簽訂三年期的戰(zhàn)略協(xié)議，共同推進智能語音產(chǎn)業(yè)。科大訊飛官網(wǎng)顯示，其智能語音技術(shù)占有中文語音技術(shù)市場70%以上份額。

有觀點認(rèn)為，盡管牽手三大運營商，但科大訊飛仍前景難料。在與中移動合作后，雙方至今未推出“殺手級”業(yè)務(wù)。雙方合作的“靈犀”語音助手將被融合到飛信中，但在微信的沖擊下，飛信的前景渺茫。電信分析師付亮稱，牽手科大訊飛，不會解決微信對運營商的沖擊，因為科大訊飛的模式跟微信相似。

Google語音搜索和蘋果Siri的成功，也讓國內(nèi)語音市場迅速升溫，國內(nèi)互聯(lián)網(wǎng)企業(yè)紛紛涉足。例如百度、騰訊、搜狗、阿里，還涌現(xiàn)了許多創(chuàng)業(yè)公司：云知聲、靈聲科技、智能360、蟲洞、蘇州思必馳、普強信息等。

國內(nèi)語音產(chǎn)業(yè)分為兩類，一類是獨立的語音公司，以科大訊飛、云知聲、靈聲科技為代表；一類是互聯(lián)網(wǎng)巨頭公司，以百度、騰訊、搜狗為代表。

“智能語音已經(jīng)進入到產(chǎn)業(yè)化層面，最近5年的產(chǎn)業(yè)發(fā)展速度超過了過去50年，并且跟以往主要靠技術(shù)推動有很大差異。”吳及說。

眾所周知，智能語音行業(yè)的技術(shù)門檻非常高，特別是語音識別技術(shù)，被成為“皇冠”。衡量一家語音公司的技術(shù)水平如何，首先要看它是否能提供高性能的語音識別產(chǎn)品，其次要看是否發(fā)布了語音云平臺。

國內(nèi)互聯(lián)網(wǎng)公司里，百度做得最早也最好，2010年就成立了語音部門，并招兵買馬引進國內(nèi)外人才，專注于互聯(lián)網(wǎng)模式下的語音識別技術(shù)，并號稱是國內(nèi)首個把深度神經(jīng)網(wǎng)絡(luò)技術(shù)（DNN）運用到語音識別產(chǎn)品的公司。李彥宏今年三月接受采訪時說，現(xiàn)在語音識別的準(zhǔn)確率能做到92%，兩三年內(nèi)可以做到98%。

騰訊和阿里的語音技術(shù)雖然還欠火候，但這兩個公司有微信、QQ和淘寶旺旺，擁有相當(dāng)大的用戶群，這些用戶群對語音技術(shù)需求旺盛，市場潛力很大。

獨立的語音公司中，科大訊飛目前是“龍頭老大”，但也面臨幾家新銳公司的圍追堵截。特別是云知聲，沖擊力和競爭力極強，剛成立一年，語音技術(shù)已經(jīng)可以和訊飛相媲美，語音識別準(zhǔn)確率達(dá)到94%以上，僅用九個月就對外發(fā)布了語音云，并且向所有開發(fā)者提供完全開放、永久免費的語音識別服務(wù)，讓業(yè)界直呼“黑馬”來了，但發(fā)展平臺與訊飛差距較大，商用上也不及訊飛多年的積累。

吳及表示，從國際上看，智能語音產(chǎn)業(yè)表現(xiàn)為一專多大，即一個專業(yè)公司Nuance和幾個大的IT公司，Google、微軟、IBM、蘋果等。目前，國內(nèi)的產(chǎn)業(yè)格局也基本相似，一個專業(yè)公司科大訊飛，其他幾個互聯(lián)網(wǎng)公司，如百度、騰訊、搜狗等。

占領(lǐng)制高點

隨著國內(nèi)手機和平板銷量的爆炸式增長，國外企業(yè)開始覬覦這片市場，紛紛進駐國內(nèi)。海通證券研報指出，盡管目前智能語音產(chǎn)業(yè)規(guī)模較小，但在未來5年內(nèi)行業(yè)年復(fù)合增長率有望超過25%。

背后支撐蘋果Siri語音識別技術(shù)、占據(jù)全球2/3市場份額的國際語音服務(wù)巨頭Nuance，正在拓展中國語音市場。據(jù)媒體報道，日前，Nuance與開心網(wǎng)正在就未來的“戰(zhàn)略級產(chǎn)品”進行深入探討。作為全球語音識別技術(shù)的領(lǐng)軍企業(yè)，Nuance觸角由醫(yī)療、電信廣泛延伸至汽車、手機以及互聯(lián)網(wǎng)領(lǐng)域。此前，該公司在中國的合作對象為比亞迪和中興通訊。

另一家語音識別技術(shù)公司Audience也看到了中國語音市場的機會，與國內(nèi)十幾家品牌手機廠商展開語音方面的合作，并且和中國移動公司建立相關(guān)的語音研究實驗室。此外，谷歌、蘋果、微軟、IBM等巨頭也開始積極布局，先后推出了各自的智能語音服務(wù)。

為了迎戰(zhàn)國外巨頭，推動民族智能語音產(chǎn)業(yè)發(fā)展，2012年8月1日，由科大訊飛、聯(lián)想、華為、中國移動、中國聯(lián)通、中國電信、清華大學(xué)等19家單位聯(lián)合發(fā)起的中國語音產(chǎn)業(yè)聯(lián)盟正式成立。

工信部副部長楊學(xué)山在會議上說，“語音產(chǎn)業(yè)再過若干年，一定是千億元、萬億元的產(chǎn)業(yè)鏈。我們必須加快發(fā)展，否則很可能在五年以后，我們再一次被動追隨。”

2000年之前，智能語音市場被國外廠商壟斷。之后，國內(nèi)廠商迎頭趕上，經(jīng)過10多年的發(fā)展，在技術(shù)上已經(jīng)可以和國外廠商分庭抗禮。但國外廠商在產(chǎn)業(yè)鏈整合、市場推廣等方面，均優(yōu)于國內(nèi)企業(yè)，在競爭中占有一定優(yōu)勢。

科大訊飛董事長劉慶峰表示，“蘋果擁有結(jié)合緊密的軟硬件和成熟的產(chǎn)業(yè)鏈，谷歌擁有開放的安卓系統(tǒng)，微軟擁有幾乎是壟斷的操作系統(tǒng)。這些優(yōu)勢國內(nèi)廠商都不具備，因此在與這些巨頭競爭時，就需要國內(nèi)企業(yè)聯(lián)合起來，整合產(chǎn)業(yè)鏈上下游資源。”

微軟把人機界面從跳動指令轉(zhuǎn)變成圖形界面，維持了20年的IT霸主地位。蘋果和Google把鍵盤變成了觸摸界面，稱雄當(dāng)今IT世界。如果有聲控技術(shù)的話，我們還會用觸控界面嗎？

楊學(xué)山指出，再過五年，聲控將可能是最主要的人機交互方式。未來產(chǎn)業(yè)的發(fā)展，從終端到生態(tài)環(huán)境、商業(yè)模式，都將發(fā)生重大的變化。從技術(shù)、產(chǎn)業(yè)和國家競爭力等各個方面來講，語音產(chǎn)業(yè)的發(fā)展都是當(dāng)務(wù)之急，只有努力發(fā)展，我們在下一代信息技術(shù)產(chǎn)業(yè)應(yīng)用發(fā)展中才能擁有主導(dǎo)權(quán)。語音產(chǎn)業(yè)發(fā)展基于寬帶網(wǎng)絡(luò)，要和終端、應(yīng)用和用戶相結(jié)合。

“只有加快智能語音產(chǎn)業(yè)發(fā)展，才能避免受制于人。”吳及同樣認(rèn)為，國家要支持企業(yè)建立語音生態(tài)系統(tǒng)，但要把握好力度和分寸。如果國內(nèi)企業(yè)不能建立起自己有生命力的語音生態(tài)系統(tǒng)，國外企業(yè)遲早會喧賓奪主搶占地盤。諾基亞的衰落就是典型案例。

吳及進一步指出，如果有越來越多的企業(yè)去做語音應(yīng)用和進行二次開發(fā)，用戶就會享有更多更好的語音產(chǎn)品和體驗，這樣平臺企業(yè)也會做大做強，整個語音生態(tài)系統(tǒng)就形成了，國內(nèi)語音產(chǎn)業(yè)抵御風(fēng)險的能力就提高了。

在5月30日召開的第十屆國際軟件博覽會上，工信部軟件服務(wù)業(yè)司司長陳偉表示，將把智能語音技術(shù)和產(chǎn)業(yè)推進作為今年乃至未來三到五年的一個重點。據(jù)美國權(quán)威咨詢機構(gòu)Gartner發(fā)布的2012新興技術(shù)成熟周期報告顯示，語音識別技術(shù)可能在2～5年內(nèi)成熟。