Google I/O大會(huì)上，最重要的項(xiàng)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(yǔ)音。

 

　　蘋果WWDC開發(fā)者大會(huì)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(dá)到400萬(wàn)，家庭智能語(yǔ)音音箱，被視作是智能手機(jī)之后的又一個(gè)爆款品類。

 

　　KPCB合伙人、享有“互聯(lián)網(wǎng)女皇”稱號(hào)的瑪麗·米克爾在今年的互聯(lián)網(wǎng)趨勢(shì)報(bào)告中，將超過(guò)十分之一的篇幅給了“語(yǔ)音”二字，在其看來(lái)，“觸摸屏+麥克風(fēng)”正在取代“鍵盤+鼠標(biāo)”的交互方式。

 

　　如此重要的技術(shù)革命，中國(guó)巨頭自然不會(huì)缺席。截止目前，中國(guó)市場(chǎng)還沒(méi)有與Amazon Echo媲美的中國(guó)版智能語(yǔ)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(yǔ)音助手，搜狗也是中國(guó)最積極投資語(yǔ)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(yǔ)音上雖然偶爾有零星動(dòng)作，但并未將之視作重點(diǎn)，要么是第三方合作，要么是蜻蜓點(diǎn)水。搜狗是搜索引擎，均崇尚技術(shù)，這是其押注語(yǔ)音的原因所在。

 

　　輸入成中國(guó)玩家進(jìn)軍語(yǔ)音的亮點(diǎn)

 

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

 

　　在語(yǔ)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(gè)玩家?？拼笥嶏w憑借著語(yǔ)音技術(shù)切入輸入法領(lǐng)域，宣稱用戶數(shù)已過(guò)億；百度輸入法也將語(yǔ)音當(dāng)做亮點(diǎn)，其宣稱借助于DeepSpeech技術(shù)解決了噪音問(wèn)題。語(yǔ)音輸入量工具最大的則是搜狗輸入法，其7%的用戶會(huì)用到語(yǔ)音識(shí)別功能，這一功能每天會(huì)有超過(guò)1億次的語(yǔ)音轉(zhuǎn)化量，在整體1.4億的請(qǐng)求次數(shù)中占據(jù)相當(dāng)比例，這也側(cè)面表明，搜狗語(yǔ)音應(yīng)用最關(guān)鍵還是輸入。

 

　　搜狗輸入法做語(yǔ)音則有5年歷史，與訊飛語(yǔ)音輸入法強(qiáng)調(diào)識(shí)別率不同，搜狗輸入法更強(qiáng)調(diào)智能輸入。識(shí)別率再高，語(yǔ)音輸入依然會(huì)有錯(cuò)字現(xiàn)象，手工更改成痛點(diǎn)——用語(yǔ)音輸入就是因?yàn)椴幌雱?dòng)手。搜狗輸入法的解決方案是智能交互，比如用戶說(shuō)“航天一院”很可能被識(shí)別為“航天醫(yī)院”，用戶就可再說(shuō)“一二三四的一”，搜狗輸入法就會(huì)將“醫(yī)”改為“一”。這樣的交互能實(shí)現(xiàn)，關(guān)鍵不在于識(shí)別率，而是語(yǔ)義理解，如果沒(méi)有語(yǔ)義理解技術(shù)，就會(huì)直接將“一二三四的一”轉(zhuǎn)化為文字。好的語(yǔ)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(zhǎng)的地方。

 

　　語(yǔ)音輸入法成為中國(guó)互聯(lián)網(wǎng)巨頭做語(yǔ)音的一大亮點(diǎn)，美國(guó)用戶并不需要“輸入法”，系統(tǒng)自帶功能就可滿足，因此美國(guó)并沒(méi)有類似于搜狗這樣的輸入法巨頭。當(dāng)然，英文會(huì)需要語(yǔ)音輸入，不過(guò)這并沒(méi)有成為Siri的重點(diǎn)，未來(lái)或許會(huì)出現(xiàn)英文版的語(yǔ)音輸入法。

 

　　汽車成中國(guó)巨頭最親睞的場(chǎng)景

 

　　在語(yǔ)音使用場(chǎng)景方面，美國(guó)科技巨頭更親睞“家”，Amazon Echo、Google Home均是面向家庭這一場(chǎng)景。家是封閉空間，相對(duì)更安靜，并且干擾他人和被他人干擾的問(wèn)題更小，還能與智能家居打通，是非常適合的語(yǔ)音場(chǎng)景。不過(guò)，由于做硬件需要較強(qiáng)的“硬實(shí)力”，與智能家居打通則需要大量的產(chǎn)業(yè)整合，不是一時(shí)半會(huì)能實(shí)現(xiàn)的，因此中國(guó)互聯(lián)網(wǎng)巨頭均對(duì)這個(gè)場(chǎng)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(chǎng)表現(xiàn)卻很平淡。

 

　　與“家”同等重要的語(yǔ)音場(chǎng)景非汽車莫屬：車主在駕駛時(shí)雙眼和雙手都被占用，語(yǔ)音成為最佳輸入方式。過(guò)去汽車內(nèi)的語(yǔ)音輸入存在許多痛點(diǎn)，自帶語(yǔ)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(huì)配置。汽車內(nèi)的語(yǔ)音交互充滿著互聯(lián)網(wǎng)巨頭最向往的顛覆機(jī)會(huì)。

 

　　搜狗針對(duì)汽車發(fā)布了智能語(yǔ)音導(dǎo)航App，可實(shí)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(yùn)行在智能手機(jī)上，還可通過(guò)車機(jī)互聯(lián)協(xié)議使之運(yùn)行于汽車屏幕，如果汽車廠商與搜狗進(jìn)行前裝合作則可獨(dú)立運(yùn)行于汽車的OS上。不久前，YunOS與上汽合作的國(guó)內(nèi)首款互聯(lián)網(wǎng)汽車，語(yǔ)音交互被當(dāng)做一個(gè)賣點(diǎn)：阿里巴巴CEO張勇展示了用語(yǔ)音打開天窗這樣的操作。在未來(lái)，汽車內(nèi)的語(yǔ)音交互將成為標(biāo)配。

 

　　智能技術(shù)確保語(yǔ)音能夠聽得懂

 

　　Siri才五年歷史，但語(yǔ)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(chǎng)上市值400億元的語(yǔ)音巨頭。不過(guò)，語(yǔ)音走向大眾，徹底改變?nèi)藱C(jī)交互方式，卻是近幾年才發(fā)生的事情。從國(guó)內(nèi)外科技巨頭的動(dòng)作來(lái)看，智能技術(shù)和云端服務(wù)已成為語(yǔ)音的兩大支柱。

 

　　語(yǔ)音技術(shù)過(guò)去是基于“規(guī)則”而不是“統(tǒng)計(jì)”，基于一定規(guī)則，對(duì)海量的語(yǔ)料庫(kù)進(jìn)行處理之后就能不斷提高識(shí)別準(zhǔn)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(yǔ)音技術(shù)就變成通過(guò)機(jī)器集群去學(xué)習(xí)海量語(yǔ)料數(shù)據(jù)，并尋找到各種規(guī)律，進(jìn)而進(jìn)行準(zhǔn)確的語(yǔ)音識(shí)別和語(yǔ)義理解。

 

　　不論是語(yǔ)音輸入的智能糾錯(cuò)，還是語(yǔ)音搜索對(duì)用戶請(qǐng)求的準(zhǔn)確理解，抑或Siri響應(yīng)用戶諸如“幫我設(shè)置一個(gè)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(yùn)動(dòng)則將會(huì)成為語(yǔ)音普及的助力。

 

　　搜狗與清華大學(xué)聯(lián)合成立“天工智能實(shí)驗(yàn)室”，正在人工智能技術(shù)這個(gè)“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(yǔ)音識(shí)別準(zhǔn)確率高于97%，識(shí)別速度高達(dá)每分鐘400字以上，在語(yǔ)音修改方面，支持替換、插入、刪除等幾百種改錯(cuò)操作 ，修改成功率達(dá)到90%以上，處于行業(yè)領(lǐng)先水平。

 

　　云端服務(wù)則決定語(yǔ)音能夠做什么

 

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

 

　　Siri相比Google Now的劣勢(shì)是，許多Siri無(wú)法回答的問(wèn)題，Google Now可通過(guò)搜索解決。Amazon Echo之所以有很大價(jià)值，在于其能夠去Amazon網(wǎng)站下單購(gòu)物。這些均體現(xiàn)了云端的服務(wù)整合能力，正是意識(shí)到這一點(diǎn)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(lái)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(hào)碼通、搜狗問(wèn)問(wèn)、搜狗百科等產(chǎn)品，未來(lái)搜狗語(yǔ)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(lè)、騰訊視頻、京東購(gòu)物等等，甚至用語(yǔ)音給微信好友點(diǎn)個(gè)贊。相對(duì)來(lái)說(shuō)，互聯(lián)網(wǎng)巨頭云端服務(wù)整合能力更強(qiáng)，搜索引擎憑借著強(qiáng)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(yǔ)音，下一步重點(diǎn)將是努力去與實(shí)體世界服務(wù)實(shí)現(xiàn)整合，比如讓用戶能夠通過(guò)語(yǔ)音訂外賣，可以通過(guò)語(yǔ)音打開門禁，通過(guò)語(yǔ)音來(lái)打開車窗……整合方式有兩種方向：一種是手機(jī)App與各種服務(wù)連接起來(lái)；還有一種是語(yǔ)音inside各種硬件之中，例如機(jī)器人，汽車等等?？傊蠈?shí)體世界服務(wù)之后，語(yǔ)音就不會(huì)只是回答用戶的問(wèn)題，而是要幫助用戶完成任務(wù)，成為全能助理。

 

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