- A+
随着语音技术的不断发展，语音识别已在多个领域广泛利用。我们体验过语音输入、语音控制及语音拨号等应用的便捷，但是也经常吐槽其辨识度的瓶颈。尽管如此当下火热的可穿戴设备厂商也力拼此项技术，显然，语音识别被认为是未来物联网领域的基础需求，甚至将会无处不在。
据中国智能语音产业联盟发布的《2013中国智能语音产业发展白皮书》称，智能语音已进入快速应用阶段。去年，中国智能语音产业规模约为8.6亿元，带动相关产业产值100亿元，预计到2017年，将带动相关产业规模增长1000亿元，占全球相关产业规模的比重将由去年的5.6%增至17.1%。
上述针对语音产业市场的数据并不是特别可信，仅科大讯飞刚刚公布的2013年年报显示，实现营业总收入125370.78万元，同比增长59.92%，实现利润总额32058.40万元。试问，上述白皮书的内容如何让人信服。
增强用户体验，云平台仍需完善
以目前的技术，语音识别在实验室条件下能达到非常高的准确率，但实际应用中往往遇到环境噪音、方言口音、话题专业性等问题，最终影响用户体验，因此，技术的稳定和成熟程度是语音识别的创业门槛。梁家恩认为，要想把语音识别系统做好，除了有强大的算法以外，还要有大量的数据。他坦言，与行业老大科大讯飞相比，云知声的数据量要少得多，不过，通过建立公有云平台，可以不断积累数据，从而优化系统。
云知声联合创始人、CEO梁家恩表示相比传统做2B的语音识别公司，云知声的基因更偏向于互联网，通过免费的公有云语音平台带动私有云服务的定制，还为日后进一步商业化埋下伏笔。
具体而言，公有云平台提供大词汇量连续语音在线识别，开发者不论大小，都可以通过API直接调用公有云服务。事实上，云知声的客户里80%以上都是中小企业和个人开发者，这恰好与深耕大客户服务的科大讯飞形成了一种差异和互补。不过，这并不影响大企业对云知声的青睐。梁家恩坦言，包括乐视、锤子RO M，其实一开始找的都是科大讯飞，云知声之所以最终能吸引到他们，除了技术达到一定水准以外，快速的执行力是最大的优势。“以跟搜狗的合作为例，从第一次接触，到搜狗语音助手的发布只花了两周时间，而一般来说要洽谈几个月。”这些大企业本身的用户量很大，一下子给公有云平台带来了大量数据。
有了公有云作为基础，云知声进一步探索私有云的路径。梁家恩解释，公有云平台提供的只是基础的语音技术服务，而事实上，语音交互跟企业业务的关联性很强，对于那些对语音有刚需的企业来说，公有云并不足以完全满足需求，还要根据企业特有的应用环境优化识别模型。比如云知声与乐视的合作，就是将语音助手根据电视领域进行了深度定制和融合，使得效果更贴合智能电视的实际使用。
智能手表将绑定语音识别
智能手表屏幕较小，使用额外的S-pen一类的辅助工具也并不现实，在当前条件下看，唯有依靠语音输入了。语音输入看上去是个不大的基础应用，实现起来却需要非常复杂的技术能力，已经涉及到人工智能AI的范畴，而且这个技术已经进化了几十年，似乎还没得以大规模商用，可见其开发难度。
Gear中内置了三星自己的S-Voice，另外也和百度合作，将百度语音助手预装了进去。看来百度与三星的关系相当不一般，前有百度云，后有语音助手，对看重安卓更甚iOS的百度，支持力度相当大。不过，还是有理由相信，百度语音助手的技术实力已达到三星所期望的程度，预装其语音产品，可以给智能手表带来更好的用户体验。语音有可能是智能手表的唯一输入方式，在这方面无法做到准确，易用，快捷，是很难让用户买单的，会成为其发展瓶颈。
其他一些语音识别工具，如搜狗和科大讯飞等产品，是不是也能做到差不多的识别效果。Viavoice是一种学习型的语音识别软件，你需要适时地对识别结果进行调整，以方便机器下一次识别，积累下来的识别数据要妥善保护，要是因为一次重装系统而导致丢失的话，一切都得重来。从商用角度来看，这还做不到多好的商用体验，而如今的语音识别技术，从体验上明显已能让人看到曙光。
解决瓶颈，语音识别将无处不在
语音技术已经发展了好一段时间，原本大多数出现在企业的客服专线，几年前才开始运用于应用程序中；现在我们能在应用程序、游戏机、家庭自动化、机器人、可穿戴设备等应用领域中看到它。“该技术将会无所不在，”美商Nuance Communications的首席人机互动与对话设计师Tanya Kraljic表示：“随着语音识别技术的不断演进，人们将会理解，这是一种与科技互动的自然方法。”
当然，还有一些障碍需要克服；不过Kraljic相信，语音识别技术的下一次飞跃将会是一种会通知进行对话，对使用者的过去、喜好以及个人更了解，并能使用传感器来取得更多环境信息的智慧系统：“我们已经在感知技术以及自然语言理解技术方面取得很不错的进展，现在我们需要拓展智慧功能的极限。”
Kraljic 指出，可穿戴设备将有助于促进语音技术的发展，特别是因为很多该类装置配备较小尺寸的荧幕、或是没有荧幕，就会倚重语音形式的人机互动方案。Google Glass与Motorola的Hint免持式耳机，就是采用语音作为主要输入方式的两个案例：“这类装置的出现将语音识别使用体验又往前推了几步；”尽管对科技产品说话感觉还是有点怪，她认为有一天社会风气会因为便利性以及使用价值等因素而有所改变。
未来随着手持设备的小型化，甚至穿戴化，各种智能眼镜，手表等层出不穷，谁能在语音输入方面取得领先优势，谁就能掌握了用户的一个基础需求，谁也就能在物联网世界里，占据一个重要入口。
