人工智能时代语音大热，中国巨头如何争夺麦克风？

语音并不是一个新鲜事物，2011年，Siri被内置在iPhone 4s之中横空出世时，曾掀起一波语音技术和讨论热潮和语音助手的创业热潮。时隔五年之后，Google AlphaGo人机大战将AI（人工智能）从实验室技术变成坊间热议的话题，人工智能成为国内外科技巨头的争夺焦点，语音则成为巨头进军AI的必经之路。

Google I/O大会上，最重要的项目便是Google Assistant（谷歌助理）和Google Home（类似于Amazon Echo的智能家庭音箱助手），Google Home的基础则是语音。

苹果WWDC开发者大会上，5岁的Siri终于兼容了Mac，并向开发者开放，能完成更多任务。

Amazon Echo成为Amazon 最成功的硬件产品，这款产品销量已达到400万，家庭智能语音音箱，被视作是智能手机之后的又一个爆款品类。

KPCB合伙人、享有“互联网女皇”称号的玛丽·米克尔在今年的互联网趋势报告中，将超过十分之一的篇幅给了“语音”二字，在其看来，“触摸屏+麦克风”正在取代“键盘+鼠标”的交互方式。

如此重要的技术革命，中国巨头自然不会缺席。截止目前，中国市场还没有与Amazon Echo媲美的中国版智能语音音箱，但在软件层面互联网公司却一直在想方设法入局。Siri发布的第二年，搜狗便发布了语音助手，搜狗也是中国最积极投资语音的互联网巨头之一，阿里、腾讯、网易、京东等巨头在语音上虽然偶尔有零星动作，但并未将之视作重点，要么是第三方合作，要么是蜻蜓点水。搜狗是搜索引擎，均崇尚技术，这是其押注语音的原因所在。

输入成中国玩家进军语音的亮点

输入是语音最典型的应用场景，户外、家里、走路、开车，人们有许多时候都不便于打字，或者说懒得打字，抑或打字效率不够高，语音就成为一种选择。随着语音技术的发展，识别准确率、方言兼容度、噪音抗干扰诸多难题都已得到解决，语音识别率已达到实用水平。

在语音输入法上，搜狗输入法、讯飞输入法和百度输入法是最主要的三个玩家。科大讯飞凭借着语音技术切入输入法领域，宣称用户数已过亿；百度输入法也将语音当做亮点，其宣称借助于DeepSpeech技术解决了噪音问题。语音输入量工具最大的则是搜狗输入法，其7%的用户会用到语音识别功能，这一功能每天会有超过1亿次的语音转化量，在整体1.4亿的请求次数中占据相当比例，这也侧面表明，搜狗语音应用最关键还是输入。

搜狗输入法做语音则有5年历史，与讯飞语音输入法强调识别率不同，搜狗输入法更强调智能输入。识别率再高，语音输入依然会有错字现象，手工更改成痛点——用语音输入就是因为不想动手。搜狗输入法的解决方案是智能交互，比如用户说“航天一院”很可能被识别为“航天医院”，用户就可再说“一二三四的一”，搜狗输入法就会将“医”改为“一”。这样的交互能实现，关键不在于识别率，而是语义理解，如果没有语义理解技术，就会直接将“一二三四的一”转化为文字。好的语义理解，需要应用深度学习为基础的人工智能技术，这是互联网公司尤其是搜索公司擅长的地方。

语音输入法成为中国互联网巨头做语音的一大亮点，美国用户并不需要“输入法”，系统自带功能就可满足，因此美国并没有类似于搜狗这样的输入法巨头。当然，英文会需要语音输入，不过这并没有成为Siri的重点，未来或许会出现英文版的语音输入法。

汽车成中国巨头最亲睐的场景

在语音使用场景方面，美国科技巨头更亲睐“家”，Amazon Echo、Google Home均是面向家庭这一场景。家是封闭空间，相对更安静，并且干扰他人和被他人干扰的问题更小，还能与智能家居打通，是非常适合的语音场景。不过，由于做硬件需要较强的“硬实力”，与智能家居打通则需要大量的产业整合，不是一时半会能实现的，因此中国互联网巨头均对这个场景望而却步，阿里、京东有尝试与第三方合作推出与Echo类似的产品，市场表现却很平淡。

与“家”同等重要的语音场景非汽车莫属：车主在驾驶时双眼和双手都被占用，语音成为最佳输入方式。过去汽车内的语音输入存在许多痛点，自带语音功能只支持少数英文命令，并且还要给更多钱买“豪华版”才会配置。汽车内的语音交互充满着互联网巨头最向往的颠覆机会。

搜狗针对汽车发布了智能语音导航App，可实现驾驶之外的常规车内交互，包括打电话、发短信、查天气、歌曲播放等等，这款产品可运行在智能手机上，还可通过车机互联协议使之运行于汽车屏幕，如果汽车厂商与搜狗进行前装合作则可独立运行于汽车的OS上。不久前，YunOS与上汽合作的国内首款互联网汽车，语音交互被当做一个卖点：阿里巴巴CEO张勇展示了用语音打开天窗这样的操作。在未来，汽车内的语音交互将成为标配。

智能技术确保语音能够听得懂

Siri才五年历史，但语音却有十分悠久的历史：科大讯飞在1999年就已成立，现在是A股市场上市值400亿元的语音巨头。不过，语音走向大众，彻底改变人机交互方式，却是近几年才发生的事情。从国内外科技巨头的动作来看，智能技术和云端服务已成为语音的两大支柱。

语音技术过去是基于“规则”而不是“统计”，基于一定规则，对海量的语料库进行处理之后就能不断提高识别准确率。深度学习为基础的人工智能技术加入之后，语音技术就变成通过机器集群去学习海量语料数据，并寻找到各种规律，进而进行准确的语音识别和语义理解。

不论是语音输入的智能纠错，还是语音搜索对用户请求的准确理解，抑或Siri响应用户诸如“帮我设置一个提醒，明天9：00取快递”这样的复杂命令，底层均是人工智能技术，AlphaGo掀起的AI启蒙运动则将会成为语音普及的助力。

搜狗与清华大学联合成立“天工智能实验室”，正在人工智能技术这个“根”上布局，以求赢在起跑线上。借助于人工智能技术，搜狗宣称语音识别准确率高于97%，识别速度高达每分钟400字以上，在语音修改方面，支持替换、插入、删除等几百种改错操作 ，修改成功率达到90%以上，处于行业领先水平。

云端服务则决定语音能够做什么

智能技术确保了人与机器能够顺畅地对话和交互。云端服务整合能力，则决定机器在听懂人话之后能做什么。

Siri相比Google Now的劣势是，许多Siri无法回答的问题，Google Now可通过搜索解决。Amazon Echo之所以有很大价值，在于其能够去Amazon网站下单购物。这些均体现了云端的服务整合能力，正是意识到这一点的重要性，今年的WWDC上苹果决定开放Siri给开发者，让开发者来丰富Siri的服务。

云端服务上，搜狗拥有搜狗地图、搜狗搜索、搜狗号码通、搜狗问问、搜狗百科等产品，未来搜狗语音还可整合其伙伴如京东、知乎、腾讯的诸多服务，比如QQ音乐、腾讯视频、京东购物等等，甚至用语音给微信好友点个赞。相对来说，互联网巨头云端服务整合能力更强，搜索引擎凭借着强大的内容整合和服务连接能力表现又更突出。

仅仅是整合“在线服务”并不足够，互联网巨头要做语音，下一步重点将是努力去与实体世界服务实现整合，比如让用户能够通过语音订外卖，可以通过语音打开门禁，通过语音来打开车窗……整合方式有两种方向：一种是手机App与各种服务连接起来；还有一种是语音inside各种硬件之中，例如机器人，汽车等等。总之，整合实体世界服务之后，语音就不会只是回答用户的问题，而是要帮助用户完成任务，成为全能助理。

语音市场在AlphaGo掀起人工智能热潮之后又迎来新的发展契机，语音正在彻底颠覆人与机器的交互方式，百度和搜狗为代表的中国科技巨头正在输入、汽车等场景上寻求突破，在智能技术和云端服务上进行双重布局。不过，要让麦克风取代键盘，科技巨头还有很长的路要走，可谓任重道远。

微博@互联网阿超 微信 罗超（luochaotmt）

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。