物聯(lián)網(wǎng)時(shí)代，語音識(shí)別被視作為人機(jī)交互的入口，人工智能和機(jī)器學(xué)習(xí)的迅猛發(fā)展，使語音控制變得更為實(shí)用。雖然語音識(shí)別與生物識(shí)別相比，發(fā)展相對(duì)緩慢，但是學(xué)術(shù)界和工業(yè)界對(duì)于語音市場(chǎng)都很看好，這意味著未來發(fā)展空間十分巨大。

據(jù)中國(guó)語音產(chǎn)業(yè)聯(lián)盟發(fā)布的《2017－2018中國(guó)智能語音產(chǎn)業(yè)白皮書》顯示，2014年至2018年，中國(guó)智能語音產(chǎn)業(yè)規(guī)模由30億元增長(zhǎng)至159．7億元，年平均增長(zhǎng)率接近40％。不難發(fā)現(xiàn)，語音識(shí)別技術(shù)正在開啟智能新時(shí)代，其中AI公司的力量不可忽視。

AI語音芯片競(jìng)相涌現(xiàn)，產(chǎn)品落地戰(zhàn)打響

隨著語音／聲學(xué)以及人工智能技術(shù)的發(fā)展，語音已經(jīng)被認(rèn)為是下一代人機(jī)交互關(guān)鍵技術(shù)。埃森哲調(diào)研顯示，有77％的受訪中國(guó)消費(fèi)者使用智能語音助手，對(duì)于獨(dú)立智能語音助手的滿意度達(dá)到97％，因而對(duì)其有著更高的期待，希望更多的設(shè)備與之實(shí)現(xiàn)集成，并保證更高的信息透明度。

目前無論是智能音箱還是其他智能設(shè)備，更多的智能都是在云端來實(shí)現(xiàn)，但云端存在著語音交互時(shí)延的問題，對(duì)網(wǎng)絡(luò)的需求限制了設(shè)備的使用空間，以及由此帶來的數(shù)據(jù)與隱私危機(jī)。為了讓設(shè)備使用場(chǎng)景不受局限，用戶體驗(yàn)更好，端側(cè)智能以成為一種趨勢(shì)，語音AI芯片也隨之而來。

與國(guó)際科技巨頭一樣，中國(guó)的AI公司也在積極推出語音芯片，以支持智能音箱和其他語音助手設(shè)備，讓語音信號(hào)解碼、壓縮和傳輸更加清晰、迅速，從而更好地提高語音識(shí)別能力，提升語音指令的用戶體驗(yàn)。

除了智能家居場(chǎng)景外，對(duì)以智能語音交互為核心業(yè)務(wù)的廠商來說，車載市場(chǎng)無疑是另一大領(lǐng)域。隨著越來越多車載語音交互量產(chǎn)車的落地，未來車載芯片設(shè)計(jì)領(lǐng)域也必然會(huì)把語音交互功能作為一大重要板塊進(jìn)行集成。

錯(cuò)詞率不斷降低，語音開放平臺(tái)大放光彩

語音識(shí)別的關(guān)鍵是基于大量樣本數(shù)據(jù)的識(shí)別處理，國(guó)內(nèi)大多數(shù)語音識(shí)別技術(shù)商都在平臺(tái)化的方向上發(fā)力，以通過不同平臺(tái)以及軟硬件方面的數(shù)據(jù)和技術(shù)積累不斷提高識(shí)別準(zhǔn)確率。近年來，AI公司不斷深耕行業(yè)，紛紛布局智能語音，取得炫目的成就，以人工智能四小龍中的依圖與云從為例，便可窺見一斑：

上榜CB Insights全球AI百?gòu)?qiáng)的依圖科技，在中文語音識(shí)別技術(shù)上致力創(chuàng)新，成果斐然。2018年12月，在中文開源數(shù)據(jù)庫(kù)AISHELL－2中，依圖短語音聽寫的字錯(cuò)率（CER）僅為3．71％，大幅刷新現(xiàn)有紀(jì)錄。依圖還聯(lián)合微軟Azure推出依圖語音開放平臺(tái)，并攜手華為發(fā)布“智能語音聯(lián)合解決方案”，將依圖的語音識(shí)別技術(shù)提供給廣泛的第三方應(yīng)用開發(fā)者，共同推動(dòng)智能語音行業(yè)的進(jìn)步。

云從科技作為人工智能獨(dú)角獸企業(yè)，在語音識(shí)別領(lǐng)域亦有不凡表現(xiàn)。2018年10月，云從科技在語音識(shí)別技術(shù)上取得重大突破，在全球大的開源語音識(shí)別數(shù)據(jù)集Librispeech上刷新了世界紀(jì)錄，錯(cuò)詞率（Worderrorrate，WER）降到了2．97％，將Librispeech的WER指標(biāo)提升了25％，超過阿里、百度、約翰霍普金斯大學(xué)等企業(yè)及高校，大幅刷新原先記錄，使得語音識(shí)別離更良好的交互體驗(yàn)越來越近。

結(jié)語：如果說視覺是人獲取信息的主要渠道，那么語音則是人輸出信息的主要渠道。要實(shí)現(xiàn)更好的人工智能體驗(yàn)，“視覺＋語音＋語義”的復(fù)合型AI技術(shù)將缺一不可，尤其在人機(jī)交互場(chǎng)景中。相信隨著智能語音技術(shù)步入黃金期，未來成熟化的語音產(chǎn)品將通過云平臺(tái)和智能硬件平臺(tái)快速實(shí)現(xiàn)商業(yè)化部署。