錘子科技2016年新品發(fā)布會(huì)的日子，由于此前錘子科技屢被傳倒閉或被收購的消息，再加上被媒體戲稱為羅永浩單口相聲的謝幕演出而備受關(guān)注。不過，讓人萬萬想不到的是，由于羅永浩在新品手機(jī)發(fā)布會(huì)上的大力推介，智能語音卻突然火了，火爆程度甚至超過了人們對(duì)于錘子科技新品手機(jī)M1和M1L的關(guān)注，很多人紛紛下載語音輸入法進(jìn)行嘗鮮體驗(yàn)，并引發(fā)智能語音究竟哪家強(qiáng)的討論。那么，智能語音技術(shù)在當(dāng)下到底是怎樣的水平？誰又是行業(yè)里真正的領(lǐng)頭羊？東樓不妨來分析解讀一下：
語音識(shí)別準(zhǔn)確率：搜狗與訊飛平分秋色
實(shí)際上，盡管羅永浩這次在發(fā)布會(huì)上演示讓人們對(duì)于智能語音的認(rèn)知度大大提升，但實(shí)際上，智能識(shí)別語音并轉(zhuǎn)化為文字輸入的語音識(shí)別技術(shù)并不是訊飛專為錘子手機(jī)打造的獨(dú)有黑科技。在智能語音這項(xiàng)人工智能技術(shù)上，除了訊飛之外，包括搜狗地圖標(biāo)注、百度等互聯(lián)網(wǎng)公司也多有投入并已經(jīng)取得一定的成功。并且，在錘子新品發(fā)布會(huì)之前，搜狗、訊飛等廠商的智能語音系統(tǒng)的識(shí)別準(zhǔn)確率已經(jīng)達(dá)到了一個(gè)空前的高度。
就在今年7月，在極客公園舉辦的奇點(diǎn)·創(chuàng)新者峰會(huì)上，搜狗CEO王小川就利用搜狗公司的語音識(shí)別技術(shù)，在演講現(xiàn)場(chǎng)將其演講內(nèi)容實(shí)時(shí)生成了滾動(dòng)字幕顯示，目測(cè)準(zhǔn)確率高達(dá)95%以上。而根據(jù)搜狗官方最新數(shù)據(jù)顯示，通用語音識(shí)別準(zhǔn)確率高達(dá)97%。而在今年兩會(huì)期間，作為全國人大代表，科大訊飛股份有限公司董事長劉慶峰接受新華社記者專訪時(shí)表示，訊飛聽見智能語音系統(tǒng)，現(xiàn)場(chǎng)實(shí)測(cè)識(shí)別率達(dá)9５％。
因此，如果雙方透露的信息屬實(shí)，那么目前雙方在在線語音識(shí)別率方面應(yīng)該基本上處于平分秋色的狀態(tài)。而根據(jù)視頻測(cè)試平臺(tái)ZEALER的對(duì)于搜狗、百度、訊飛等語音識(shí)別功能的在線測(cè)評(píng)也顯示，幾家不相伯仲，搜狗的語音識(shí)別準(zhǔn)確率方面不分伯仲，但搜狗在識(shí)別速度方面要略高于訊飛、百度等競(jìng)爭對(duì)手。
智能語音的進(jìn)化：海量用戶和數(shù)據(jù)是基礎(chǔ)
不過，盡管通過羅永浩的演示，讓很多人現(xiàn)在才知道智能語音原來已經(jīng)強(qiáng)大到如此程度，但實(shí)際上搜狗、訊飛等這兩家作為目前語音識(shí)別率最高的廠商，之所以能夠達(dá)到現(xiàn)在這個(gè)水平高度，無一例外都是依靠較早的布局和長期的投入。
在此之前，訊飛智能語音系統(tǒng)方面有多達(dá)四五年的投入，而搜狗在智能語音方面的技術(shù)積累甚至還要更早，這得益于其在輸入法市場(chǎng)上強(qiáng)勢(shì)滲透以及龐大的用戶規(guī)模，搜狗在智能語音方面識(shí)別率提升非常之快。而搜狗之所以能夠在過去的一段時(shí)間里，在語音識(shí)別率方面一直處于前列，恰恰就是其在輸入法、地圖等需要大量調(diào)動(dòng)語音識(shí)別功能進(jìn)行的應(yīng)用加速了其在技術(shù)方面的成熟。
我們知道，智能語音作為人工智能的一種，同樣需要依賴大量的數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，只有擁有海量的語料才能夠越來越智慧和聰明。而根據(jù)比達(dá)咨詢發(fā)布了《2016年第2季度中國第三方手機(jī)輸入法市場(chǎng)研究報(bào)告》顯示，在2016年第二季度中國手機(jī)輸入法市場(chǎng)中，搜狗輸入法以70.4%的市場(chǎng)份額繼續(xù)保持領(lǐng)先，并在月活躍用戶數(shù)上，以2.7億用戶的優(yōu)勢(shì)排名第一。另據(jù)統(tǒng)計(jì)顯示，搜狗輸入法每天語音輸入頻次近1.8億次，而如此頻繁的語音輸入操作為搜狗的智能語音系統(tǒng)提供了海量的語料數(shù)據(jù)，從而使得機(jī)器不斷學(xué)習(xí)，識(shí)別也越來越精準(zhǔn)，而這正是目前搜狗在智能語音識(shí)別方面能夠持續(xù)進(jìn)化和領(lǐng)先的一個(gè)重要原因。
應(yīng)用場(chǎng)景是否豐富決定智能語音的真正成就？
另一方面，我們知道，雖然由于羅永浩在錘子手機(jī)新品發(fā)布會(huì)上的推薦，讓智能語音應(yīng)用迅速成為熱門，尤其是為訊飛輸入法瞬時(shí)間帶來了不少的下載量，甚至還間接帶動(dòng)了人們?cè)谒压份斎敕?、搜狗地圖等應(yīng)用上對(duì)搜狗語音的使用和活躍。但是，很多人只是抱著嘗鮮的想法使用訊飛或搜狗語音，并不是真實(shí)的應(yīng)用場(chǎng)景下的正常驅(qū)動(dòng)，更多的人還是將語音識(shí)別技術(shù)作為一個(gè)好玩的小游戲來進(jìn)行測(cè)試，其目的只是為了測(cè)試語音輸入的識(shí)別率究竟能夠達(dá)到多高，因此最終能夠有多少用戶真正成為智能語音輸入法的忠實(shí)用戶讓人留有疑問。
目前來看，人們對(duì)于智能語音識(shí)別轉(zhuǎn)化文字這樣的場(chǎng)景需求并沒有想象的那么豐富。畢竟通過智能語音識(shí)別轉(zhuǎn)化為文字的輸入方式，并不是人們最為常用的溝通和聊天的方式，現(xiàn)在人們通過語音輸入轉(zhuǎn)化識(shí)別為文字，更多的還是一種寫作或速記的需求，因此場(chǎng)景使用還稍顯小眾。而語音不僅僅承載著表達(dá)和溝通的作用，而且通過聲音更是可以直接傳遞情感，而一旦語音轉(zhuǎn)化成為文字內(nèi)容再進(jìn)行溝通交流也滿足不了提高溝通效率的要求。而只有基于人與人之間的提高溝通效率的強(qiáng)烈需求時(shí)，智能語音市場(chǎng)才有可能真正爆發(fā)。
不過，智能語音作為集合機(jī)器學(xué)習(xí)、大數(shù)據(jù)、語音識(shí)別等技術(shù)的集大成者，隨著識(shí)別越來越精準(zhǔn)，應(yīng)用場(chǎng)景的越來越豐富，成為下一代入口并不是不可能。而如何最大的程度的發(fā)揮智能語音這項(xiàng)人工智能領(lǐng)域的重要技術(shù)，以及如何運(yùn)用其技術(shù)優(yōu)勢(shì)對(duì)未來進(jìn)行戰(zhàn)略布局就成為訊飛、搜狗等公司的重要課題。就在今年8月，基于智能語音技術(shù)，搜狗發(fā)布了不僅能聽會(huì)說，還具有能理解會(huì)思考的能力的語音交互引擎技術(shù)—知音，率先展開了對(duì)智能語音使用場(chǎng)景方面的探索。
根據(jù)介紹，搜狗知音引擎不僅有高達(dá)97%的語音識(shí)別率，而且還支持用戶直接用自然語言進(jìn)行糾錯(cuò)，這使得其能夠處理更加復(fù)雜的自然語言邏輯而且還可以進(jìn)行多輪交互處理，并已經(jīng)應(yīng)用在包括搜狗輸入法、搜狗搜索、搜狗地圖等在內(nèi)的搜狗全線產(chǎn)品當(dāng)中，而這無疑對(duì)于智能語音的應(yīng)用場(chǎng)景進(jìn)行了極大的擴(kuò)展。在這個(gè)過程中，智能語音的使用場(chǎng)景并不單一，而是在人們真正需要時(shí)才進(jìn)行調(diào)動(dòng)使用，而基于多輪交互技術(shù)，智能語音輸入的優(yōu)勢(shì)也能真正得以發(fā)揮，這無疑能讓智能語音技術(shù)真正為人們所用。
總體而言，無論如何，包括搜狗、訊飛等在內(nèi)的所有智能語音廠商都應(yīng)該感謝昨晚在老羅的錘子發(fā)布會(huì)發(fā)布會(huì)對(duì)語音輸入的重點(diǎn)推介，這使得人們把語音輸入作為輸入習(xí)慣進(jìn)行普及起到了一個(gè)很好的推動(dòng)作用。而且，由于羅永浩這樣的意見領(lǐng)袖的推薦，一方面使得更多的人開始嘗試通過語音進(jìn)行輸入，能夠顯著加快人們對(duì)于語音輸入的普及；另一方面，大量的潛在用戶紛紛涌入到智能語音平臺(tái)上進(jìn)行語音的輸入，這無疑將為這些智能語音系統(tǒng)積累更多的語料，促使智能語音技術(shù)進(jìn)一步發(fā)展，最終使得搜狗、訊飛等在智能語音方面早有布局的廠商大為受益，領(lǐng)先優(yōu)勢(shì)繼續(xù)擴(kuò)大。