語音并不是一個新鮮事物，2011年，Siri被內(nèi)置在iPhone 4s之中橫空出世時，曾掀起一波語音技術(shù)和討論熱潮和語音助手的創(chuàng)業(yè)熱潮。時隔五年之后，Google AlphaGo人機大戰(zhàn)將AI（人工智能）從實驗室技術(shù)變成坊間熱議的話題，人工智能成為國內(nèi)外科技巨頭的爭奪焦點，語音則成為巨頭進軍AI的必經(jīng)之路。

Google I/O大會上，最重要的項目便是Google Assistant（谷歌助理）和Google Home（類似于Amazon Echo的智能家庭音箱助手），Google Home的基礎(chǔ)則是語音。

蘋果WWDC開發(fā)者大會上，5歲的Siri終于兼容了Mac，并向開發(fā)者開放，能完成更多任務(wù)。

Amazon Echo成為Amazon 最成功的硬件產(chǎn)品，這款產(chǎn)品銷量已達到400萬，家庭智能語音音箱，被視作是智能手機之后的又一個爆款品類。

KPCB合伙人、享有“互聯(lián)網(wǎng)女皇”稱號的瑪麗·米克爾在今年的互聯(lián)網(wǎng)趨勢報告中，將超過十分之一的篇幅給了“語音”二字，在其看來，“觸摸屏+麥克風(fēng)”正在取代“鍵盤+鼠標”的交互方式。

如此重要的技術(shù)革命，中國巨頭自然不會缺席。截止目前，中國市場還沒有與Amazon Echo媲美的中國版智能語音音箱，但在軟件層面互聯(lián)網(wǎng)公司卻一直在想方設(shè)法入局。Siri發(fā)布的第二年，搜狗便發(fā)布了語音助手，搜狗也是中國最積極投資語音的互聯(lián)網(wǎng)巨頭之一，阿里、騰訊、網(wǎng)易、京東等巨頭在語音上雖然偶爾有零星動作，但并未將之視作重點，要么是第三方合作，要么是蜻蜓點水。搜狗是搜索引擎，均崇尚技術(shù)，這是其押注語音的原因所在。

輸入成中國玩家進軍語音的亮點

輸入是語音最典型的應(yīng)用場景，戶外、家里、走路、開車，人們有許多時候都不便于打字，或者說懶得打字，抑或打字效率不夠高，語音就成為一種選擇。隨著語音技術(shù)的發(fā)展，識別準確率、方言兼容度、噪音抗干擾諸多難題都已得到解決，語音識別率已達到實用水平。

在語音輸入法上，搜狗輸入法、訊飛輸入法和百度輸入法是最主要的三個玩家。科大訊飛憑借著語音技術(shù)切入輸入法領(lǐng)域，宣稱用戶數(shù)已過億；百度輸入法也將語音當做亮點，其宣稱借助于DeepSpeech技術(shù)解決了噪音問題。語音輸入量工具最大的則是搜狗輸入法，其7%的用戶會用到語音識別功能，這一功能每天會有超過1億次的語音轉(zhuǎn)化量，在整體1.4億的請求次數(shù)中占據(jù)相當比例，這也側(cè)面表明，搜狗語音應(yīng)用最關(guān)鍵還是輸入。

搜狗輸入法做語音則有5年歷史，與訊飛語音輸入法強調(diào)識別率不同，搜狗輸入法更強調(diào)智能輸入。識別率再高，語音輸入依然會有錯字現(xiàn)象，手工更改成痛點——用語音輸入就是因為不想動手。搜狗輸入法的解決方案是智能交互，比如用戶說“航天一院”很可能被識別為“航天醫(yī)院”，用戶就可再說“一二三四的一”，搜狗輸入法就會將“醫(yī)”改為“一”。這樣的交互能實現(xiàn)，關(guān)鍵不在于識別率，而是語義理解，如果沒有語義理解技術(shù)，就會直接將“一二三四的一”轉(zhuǎn)化為文字。好的語義理解，需要應(yīng)用深度學(xué)習(xí)為基礎(chǔ)的人工智能技術(shù)，這是互聯(lián)網(wǎng)公司尤其是搜索公司擅長的地方。

語音輸入法成為中國互聯(lián)網(wǎng)巨頭做語音的一大亮點，美國用戶并不需要“輸入法”，系統(tǒng)自帶功能就可滿足，因此美國并沒有類似于搜狗這樣的輸入法巨頭。當然，英文會需要語音輸入，不過這并沒有成為Siri的重點，未來或許會出現(xiàn)英文版的語音輸入法。

汽車成中國巨頭最親睞的場景

在語音使用場景方面，美國科技巨頭更親睞“家”，Amazon Echo、Google Home均是面向家庭這一場景。家是封閉空間，相對更安靜，并且干擾他人和被他人干擾的問題更小，還能與智能家居打通，是非常適合的語音場景。不過，由于做硬件需要較強的“硬實力”，與智能家居打通則需要大量的產(chǎn)業(yè)整合，不是一時半會能實現(xiàn)的，因此中國互聯(lián)網(wǎng)巨頭均對這個場景望而卻步，阿里、京東有嘗試與第三方合作推出與Echo類似的產(chǎn)品，市場表現(xiàn)卻很平淡。

與“家”同等重要的語音場景非汽車莫屬：車主在駕駛時雙眼和雙手都被占用，語音成為最佳輸入方式。過去汽車內(nèi)的語音輸入存在許多痛點，自帶語音功能只支持少數(shù)英文命令，并且還要給更多錢買“豪華版”才會配置。汽車內(nèi)的語音交互充滿著互聯(lián)網(wǎng)巨頭最向往的顛覆機會。

搜狗針對汽車發(fā)布了智能語音導(dǎo)航App，可實現(xiàn)駕駛之外的常規(guī)車內(nèi)交互，包括打電話、發(fā)短信、查天氣、歌曲播放等等，這款產(chǎn)品可運行在智能手機上，還可通過車機互聯(lián)協(xié)議使之運行于汽車屏幕，如果汽車廠商與搜狗進行前裝合作則可獨立運行于汽車的OS上。不久前，YunOS與上汽合作的國內(nèi)首款互聯(lián)網(wǎng)汽車，語音交互被當做一個賣點：阿里巴巴CEO張勇展示了用語音打開天窗這樣的操作。在未來，汽車內(nèi)的語音交互將成為標配。

智能技術(shù)確保語音能夠聽得懂

Siri才五年歷史，但語音卻有十分悠久的歷史：科大訊飛在1999年就已成立，現(xiàn)在是A股市場上市值400億元的語音巨頭。不過，語音走向大眾，徹底改變?nèi)藱C交互方式，卻是近幾年才發(fā)生的事情。從國內(nèi)外科技巨頭的動作來看，智能技術(shù)和云端服務(wù)已成為語音的兩大支柱。

語音技術(shù)過去是基于“規(guī)則”而不是“統(tǒng)計”，基于一定規(guī)則，對海量的語料庫進行處理之后就能不斷提高識別準確率。深度學(xué)習(xí)為基礎(chǔ)的人工智能技術(shù)加入之后，語音技術(shù)就變成通過機器集群去學(xué)習(xí)海量語料數(shù)據(jù)，并尋找到各種規(guī)律，進而進行準確的語音識別和語義理解。

不論是語音輸入的智能糾錯，還是語音搜索對用戶請求的準確理解，抑或Siri響應(yīng)用戶諸如“幫我設(shè)置一個提醒，明天9：00取快遞”這樣的復(fù)雜命令，底層均是人工智能技術(shù)，AlphaGo掀起的AI啟蒙運動則將會成為語音普及的助力。

搜狗與清華大學(xué)聯(lián)合成立“天工智能實驗室”，正在人工智能技術(shù)這個“根”上布局，以求贏在起跑線上。借助于人工智能技術(shù)，搜狗宣稱語音識別準確率高于97%，識別速度高達每分鐘400字以上，在語音修改方面，支持替換、插入、刪除等幾百種改錯操作 ，修改成功率達到90%以上，處于行業(yè)領(lǐng)先水平。

云端服務(wù)則決定語音能夠做什么

智能技術(shù)確保了人與機器能夠順暢地對話和交互。云端服務(wù)整合能力，則決定機器在聽懂人話之后能做什么。

Siri相比Google Now的劣勢是，許多Siri無法回答的問題，Google Now可通過搜索解決。Amazon Echo之所以有很大價值，在于其能夠去Amazon網(wǎng)站下單購物。這些均體現(xiàn)了云端的服務(wù)整合能力，正是意識到這一點的重要性，今年的WWDC上蘋果決定開放Siri給開發(fā)者，讓開發(fā)者來豐富Siri的服務(wù)。

云端服務(wù)上，搜狗擁有搜狗地圖、搜狗搜索、搜狗號碼通、搜狗問問、搜狗百科等產(chǎn)品，未來搜狗語音還可整合其伙伴如京東、知乎、騰訊的諸多服務(wù)，比如QQ音樂、騰訊視頻、京東購物等等，甚至用語音給微信好友點個贊。相對來說，互聯(lián)網(wǎng)巨頭云端服務(wù)整合能力更強，搜索引擎憑借著強大的內(nèi)容整合和服務(wù)連接能力表現(xiàn)又更突出。

僅僅是整合“在線服務(wù)”并不足夠，互聯(lián)網(wǎng)巨頭要做語音，下一步重點將是努力去與實體世界服務(wù)實現(xiàn)整合，比如讓用戶能夠通過語音訂外賣，可以通過語音打開門禁，通過語音來打開車窗……整合方式有兩種方向：一種是手機App與各種服務(wù)連接起來；還有一種是語音inside各種硬件之中，例如機器人，汽車等等。總之，整合實體世界服務(wù)之后，語音就不會只是回答用戶的問題，而是要幫助用戶完成任務(wù)，成為全能助理。

語音市場在AlphaGo掀起人工智能熱潮之后又迎來新的發(fā)展契機，語音正在徹底顛覆人與機器的交互方式，百度和搜狗為代表的中國科技巨頭正在輸入、汽車等場景上尋求突破，在智能技術(shù)和云端服務(wù)上進行雙重布局。不過，要讓麥克風(fēng)取代鍵盤，科技巨頭還有很長的路要走，可謂任重道遠。

微博@互聯(lián)網(wǎng)阿超 微信 羅超（luochaotmt）

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。