掌控語音就將掌控一切。語音之“熱”是真正的產業良機還是過度炒作？中國語音企業該選擇怎樣的成長路徑？如何揚長避短與國際巨頭一較高下？

　　科大訊飛立體云、捷通華聲套餐云、云知聲靈巧云和百度開放云……且看各門各派如何搶灘中國智能語音市場。

　　這是一個最好的時代，這是一個聲控的時代，這是個光明的季節，也是個希望的春日。

　　從幾年前蘋果Siri將語音迅速升溫推至消費者面前，到現在語音助手幾乎已成為智能手機、汽車電子、智能家居的標配，從人們過去在路邊招手打車到現在先用微信與出租車師傅說好再出門……似乎，智能語音產業已經迎來生機盎然的春天。語音一時間成為輿論的焦點：“語音將徹底替代鼠標、鍵盤”，“語音將成為移動互聯網主流信息入口”，“誰掌控語音誰就將掌控一切”……看好、贊揚語音之聲不絕于耳。

　　但一個技術從萌芽期開始不斷發展，要醞釀多久才會到爆發期？智能語音產業是真的到爆發期了，還是被提前過度炒作了？智能語音產業現狀和未來發展方向如何？中國智能語音企業又該如何選擇適合自己的成長路徑？帶著這些疑問，記者先后采訪多位智能語音專家，力求探知一二。

　　莫錯失趕超良機

　　智能語音是新一代的人機交互技術手段之一。就像人與人之間對話交流一樣，智能語音是要通過語音實現人與機器之間的交互，即機器能聽懂，并能回答提問，實現對話互動。“智能語音技術主要包括語音識別、自然語言理解和語音合成三個環節，完成讓機器聽懂人說話，再讓機器說人話的過程。這種交互需要基于海量的語料庫，通過模型實現語音識別和語義理解，包括對語法、分詞、情景，甚至是情緒等的理解，再通過知識庫系統找到答案，然后通過語音合成技術說出答案，來回交互。”在接受記者采訪時，中國語音產業聯盟副秘書長李德升這樣給出他對智能語音的理解。

　　百度語音首席研究員賈磊在第十八屆中國國際軟件博覽會的演講中介紹，百度語音就是通過語音識別、語義理解和后臺資源來實現“你說我聽”、“你說我想”和“你說我做”的過程，打造人機交互的閉環過程。

　　人機智能語音交互，說起來容易做起來難。20世紀50年代，ATT開發出第一個語音識別系統Audry;20世紀80年代，智能語音技術研究由傳統的基于標準模型匹配的技術思路開始轉向基于統計模型的技術思路；21世紀初，智能語音從技術研究走向實用并進入產業化，進入呼叫中心、家電、汽車等領域；而近期，以蘋果Siri發布為重要引爆點，智能語音應用才開始向移動互聯網等新興領域延伸，產業進而不斷積累、發展。

　　智能語音技術是人工智能的研究領域之一，其原理涉及聲學、語言學、數字信號處理和計算機科學等多個學科，研究周期長，投入成本大，技術壁壘高。全球和中國智能語音市場基本形成寡頭壟斷的格局。隨著智能語音產業的快速發展，產業競爭進一步加劇，也吸引了IT巨頭和中小創業團隊爭相進入，與傳統語音技術提供商共同角逐智能語音市場。

　　在國際市場，既有像Nuance這樣的占據全球62%語音市場的傳統語音技術巨頭，也有谷歌、蘋果、微軟、IBM等IT巨頭的競爭參與。在國內市場，李德升告訴記者，目前我國語音技術廠商基本分為三類：一類是傳統語音技術廠商，一般從科研院所基礎研究脫胎，包括像科大訊飛（中國科技大學）、捷通華聲（清華大學、中科院聲學所、北京大學）、中科模識（中科院自動化所）、中科信利（中科院聲學所）等；第二類是互聯網廠商，包括百度、騰訊、搜狗等，它們為給其廣大的互聯網用戶提供更好的增值服務，普遍采用戰略合作或者收購等方式，掌握智能語音技術，推廣語音服務；第三類是創業企業，像云知聲、思必馳等，它們專注于某些行業領域，比如汽車、家電、教育、社交網絡來推廣自己的語音技術和產品。