語音交互事關(guān)未來，國內(nèi)外已經(jīng)不少公司在搶蛋糕了，大公司收購、投資、合作不斷，就可見一斑。目前，基本上所有的巨頭都有涉足。

 

　　蘋果收購Siri、Novauris，組建基于神經(jīng)網(wǎng)絡(luò)算法的語音識別團(tuán)隊

 

　　2014 年 7 月，有消息稱，蘋果正在聯(lián)系多位語音識別技術(shù)的專家，正在招聘經(jīng)理、小組負(fù)責(zé)人、研究員，很可能將成立一支強大的語音識別團(tuán)隊，并最終取代現(xiàn)在的 Siri 技術(shù)服務(wù)商 Nuance。過去幾年中，蘋果招聘了多名此前供職于 Nuance 的的高層次語音技術(shù)研究員，包括前研究副總裁拉里·吉利克 (Larry Gillick)、Siri 的項目經(jīng)理貢納爾·艾弗曼（Gunnar Evermann）、微軟語音識別項目高管亞歷克斯·阿賽洛（Alex Acero）。

 

　　在 2013 年，蘋果收購了自動語音識別公司 Novauris Technologies。Novauris 是英國研究機構(gòu) Dragon Systems 旗下的附屬公司，以語音聽寫識別著稱，成立于 2012 年。當(dāng)然，怎么能忘了最著名的那筆收購呢，2010 年 4 月，以 1.5~2.5 億美元收購了 Siri。

 

　　Google收購多項語音識別技術(shù)專利、SayNow 、Phonetic Arts

 

　　Google 在 2014 年收購了 SR Tech Group 的多項語音識別相關(guān)的專利，其中包括“ 搜索引擎語音界面” 和“ 修改、更新語音識別項目系統(tǒng)”的專利。

 

　　Google 一直致力于投資語音搜索技術(shù)，以期與蘋果公司的 Siri 展開競爭。2011 年，Google收購語音通信技術(shù)公司SayNow 和語音合成技術(shù) Phonetic Arts。 其中，SayNow 創(chuàng)建于 2005 年，可以把語音通信、點對點對話、以及群組通話和 社交應(yīng)用整合在一起，支持的設(shè)備包括 PC 瀏覽器、智能手機乃至座機。被收購時，有 1500 萬用戶，旗下產(chǎn)品包括 SayNow Phone，SayNow 廣播，Big Call 以及 Chit Chat 等。

 

　　Facebook收購Wit.ai和Mobile Technologies

 

　　語音交互解決方案服務(wù)商 Wit.ai 要做的就是重寫互聯(lián)網(wǎng)的語音層，簡單地在第三方 App 中加入幾行代碼來為它生成一個語音交互界面，就能把語言轉(zhuǎn)化成可以操作的數(shù)據(jù)。正如移動支付公司 Stripe 通過幾行代碼就為網(wǎng)站解決了線上支付問題一樣。Wit.ai 稱，它比 Siri 更靈敏精確，不需要開發(fā)者先期投資，或訓(xùn)練數(shù)據(jù)集，而且可以應(yīng)用在移動應(yīng)用程序 (iOS、Android 等平臺)、穿戴設(shè)備和機器人以及幾乎任何你可以想到的智能設(shè)備。被收購時，Wit.ai 成立才 18 個月，吸引了 6000 多名開發(fā)者，創(chuàng)建的應(yīng)用超過了數(shù)百個。此次收購有助于提高 Facebook 整體對自然語言的理解能力。

 

　　除了 Wit.ai，F(xiàn)acebook 還在 2013 年收購了語音識別公司 Mobile Technologies。MT 創(chuàng)建于 2001 年，在 2009 年推出了 Jibbigo 應(yīng)用，允許用戶在 25 種語言中進(jìn)行選擇，使用一種語言進(jìn)行語音片段錄制或文本輸入，然后將翻譯顯示在屏幕上，根據(jù)你選擇的語言大聲讀出來。

 

　　Amazon收購語Yap、Evi、Ivona

 

　　2011 年，Amazon收購語音識別公司Yap。Yap 成立于 2006 年，主要提供語音轉(zhuǎn)文本服務(wù)，代表應(yīng)用是 Yap 語音郵件。利用 Yap 的技術(shù)亞馬遜建立自己的語音技術(shù)平臺，服務(wù)于亞馬遜的網(wǎng)上搜索和客戶服務(wù)等領(lǐng)域。

 

　　2012 年，Amazon 收購語音技術(shù)公司 Evi。Evi 是一家應(yīng)該創(chuàng)業(yè)公司，原名 True Knowledge，在獲得了 Nuance 語音識別技術(shù)的授權(quán)后，基于自主的自然語言搜索引擎開發(fā)了一款與蘋果 Siri 類似的應(yīng)用。

 

　　2013 年，Amazon 收購語音技術(shù)公司 Ivona Software。Ivona 是一家波蘭公司，是 Nuance 的競爭對手，主要做文本語音轉(zhuǎn)換，被收購時支持 17 種語言 44 種聲音。

 

　　英特爾收購語音識別技術(shù)公司Indisys

 

　　2013 年，英特爾收購了語音識別技術(shù)公司 Indisys。這是一家西班牙公司，但自稱一直在做多語音。在計算語言學(xué)、人工智能、認(rèn)知科學(xué)和機器學(xué)習(xí)領(lǐng)域有研究，不少西班牙公司都采購了他們家的技術(shù)。此外，他們還開發(fā)了與蘋果 Siri 相似的助手界面。

 

　　三星或收購語音識別軟件商Nuance

 

　　關(guān)于三星和 Nuance 的緋聞已經(jīng)傳了段時間。Nuance 的語音識別技術(shù)在智能手機、電視和 GPS 導(dǎo)航設(shè)備上都有廣泛應(yīng)用，比如蘋果的 Siri 就是用的它的技術(shù)；其他一些企業(yè)級市場也有需要用到語音識別的地方，比如醫(yī)院里的電子病歷業(yè)務(wù)，醫(yī)生直接口述就能生成電子病歷。2013 年 9 月份時，Nuance 還同三星達(dá)成合作。

 

　　雅虎收購SkyPhrase，牽手Robin Labs

 

　　2013 年 12 月，雅虎收購了自然語言處理技術(shù)初創(chuàng)公司 SkyPhrase。Gmail 和 Twitter 的相關(guān)技術(shù)支持就是 SkyPhrase 提供的，允許用戶跟機器說“人話”得到個性化的搜索結(jié)果。比如“NANA 發(fā)的帶圖微博”，或者“Jane 發(fā)給我的包含照片的電子郵件”——這樣復(fù)雜的信息 Siri 是理解不動的。SkyPhrase 還開發(fā)了兩款應(yīng)用，其中一款能讓用戶查看夢幻足球的比分統(tǒng)計數(shù)據(jù)，另一款應(yīng)用與 Google Analytics 整合發(fā)揮作用。

 

　　為了推雅虎語音助手，雅虎還找到了合作伙伴Robin Labs，后者主要做自然語言識別和導(dǎo)航。除開發(fā)自己的私人助手的導(dǎo)航應(yīng)用外，現(xiàn)在它還為客戶提供語音助手白標(biāo)產(chǎn)品的開發(fā)。”也就是說，理論上講，每個應(yīng)用都可以添加一個特定的語音助手模塊。既然雅虎語音助手其實是 Robin Labs 開發(fā)的，那它會被收購么？

 

　　其實，除了這些大公司和被他們收購的小公司，還有幾家初創(chuàng)公司做的也挺有意思。比如，下面這兩家。

 

　　全球首個通過語音來識別情緒的公司Beyond Verbal

 

　　Beyond Verbal 是一家以色列公司，成立于 2012 年，在情緒識別領(lǐng)域一直領(lǐng)先。Beyond Verbal 系統(tǒng)創(chuàng)建的算法可以通過識別音域變化，從而分析出像憤怒、焦慮、幸?；驖M足等情緒，心情、態(tài)度的細(xì)微差別也能被識別到。Beyond Verbal 的情緒識別系統(tǒng)可以分析出 11 個類別， 400 個復(fù)雜情緒的變量。

 

　　2013 年 1 月，他們開發(fā)的情緒識別 app moodies 在 iOS 平臺發(fā)布；2014 年 8 月，他們開發(fā)了 moodies 的安卓版。2013 年 5 月，獲得了 280 萬美元融資；2013 年 7 月，又獲得了 100 萬追加融資。2014 年 9 月，又追加了 330 萬美元種子融資。

 

　　在 2014 年耶路撒冷召開的 TEDMEDLive 上，就引入了 Beyond Verbal 的技術(shù)來對所有與會人員的情緒進(jìn)行分析，進(jìn)而總結(jié)整個會議的整體反饋情況。

 

　　英國語音識別初創(chuàng)企業(yè)EI

 

　　英國的初創(chuàng)企業(yè) EI Technologies 也是一家做語音情緒識別的公司，可以分析人聲的音調(diào)，監(jiān)控用戶的情緒。之前從孵化器 Wayra London 和英國政府的 Technology Strategy Board 拿到了 15 萬英鎊的種子期融資。

 

　　目前系統(tǒng)可識別 5 種基本情緒：高興、悲傷、害怕、憤怒及無感情。識別的準(zhǔn)確率約為 70-80% 左右，這個數(shù)字要高于人類 60% 的平均水平。而受過訓(xùn)練的心理學(xué)家的判斷準(zhǔn)確率約為 70%，從這些數(shù)據(jù)來看，EI 的算法準(zhǔn)確率已經(jīng)非?？捎^。其未來目標(biāo)是進(jìn)一步提高到 80-90%。

 

　　通過識別并恰當(dāng)響應(yīng)語言內(nèi)容和情緒來增強自然語言處理算法似乎是人工智能系統(tǒng)的下一步發(fā)展方向?！躲y翼殺手》里面的復(fù)制人的致命缺陷正是缺乏“移情（empathy）”能力?，F(xiàn)在這三家公司的技術(shù)正幫助機器朝著具備“移情”能力邁出一小步—首先學(xué)會感受人類的情緒。不過這也是個龐大又復(fù)雜的工程。