國內(nèi)外語音識別行業(yè)現(xiàn)狀

　　3、國內(nèi)外巨頭布局語音識別的策略差異

　　上面歷數(shù)了國內(nèi)外各個巨頭陸續(xù)建立語音識別引擎的過程和優(yōu)勢技術(shù)，有一點我們還是要特別留意一下：國外巨頭欲進入語音識別行業(yè)，首先想到的就是收購初創(chuàng)的團隊，這些團隊大都也在5-20人之間，掌握著一定的優(yōu)勢技術(shù)。顯然收購一家初創(chuàng)團隊很難滿足其戰(zhàn)略發(fā)展，因此一旦技術(shù)與公司業(yè)務(wù)融合以后，這些巨頭都會頻繁出手再次收購以補齊短板，逐漸建立起適合自己公司發(fā)展的語音識別優(yōu)勢。

　　對于技術(shù)相對重要而且技術(shù)點又比較分散的科技型公司，國外巨頭一般不會采取收購商業(yè)模式公司的那種大手筆來收購，這也是導(dǎo)致Nuance最終無人問津的重要因素。想想也是，巨頭自然不會用別人家引擎以免將來掣肘，何況收購技術(shù)類的大型公司無疑也是給自己找了個麻煩。

　　國內(nèi)的語音識別發(fā)展脈路沒有那么清晰，剛開始各個巨頭也都是采用專用公司比如科大訊飛、中科信利、云知聲等公司的引擎。后來醒悟過來，紛紛謀求自建，但是除了百度不斷砸入重金后獲得了一定的效果外，其他自建的各大公司沒有啥實質(zhì)性進展。這一點從他們試圖低薪聘請語音識別相關(guān)人才的策略上，也可知道其戰(zhàn)略上沒什么可發(fā)展的。語音識別行業(yè)屬于聲學(xué)和計算機的交叉技術(shù)，本來培養(yǎng)的人才就很稀缺，而從上述分析可以看出，國內(nèi)外的技術(shù)源頭實際上大概集中，無非就是業(yè)界相關(guān)的研究機構(gòu)和擁有研發(fā)實力的巨頭公司。

　4、語音識別行業(yè)平衡之下的技術(shù)發(fā)展趨勢

　　語音識別行業(yè)現(xiàn)在似乎維持著最大的平衡，因為國內(nèi)外各家的引擎識別率都基本在同一個水平線上，差不多達到了當(dāng)前語音識別技術(shù)的極限，彼此之間差距不是那么明顯。本來蘋果發(fā)布Siri被寄予厚望，這是將語音技術(shù)進行大眾推廣的絕佳良機，但是Siri的表現(xiàn)卻與預(yù)期相差甚遠。即便國內(nèi)非?；馃岬奈⑿?，其中又有幾人使用，甚至知道其中的語音識別技術(shù)呢?倒是同樣源自聲學(xué)技術(shù)的微信搖一搖功能非常火熱。

　　這個技術(shù)相對語音識別來說，簡直就是小巫見大巫，但是應(yīng)用場景契合的很好。因此，傳統(tǒng)的語音識別行業(yè)公司都在謀求轉(zhuǎn)型發(fā)展，比如Nuance、科大訊飛等，轉(zhuǎn)型失敗或者技術(shù)儲備不足的，或許將來就是最早倒下的，而且這幾年也有不少家類似公司倒下了。

　　未來的語音識別市場，預(yù)計將會有越來越多的公司參與，以后語音識別的性能可能更多的體現(xiàn)在前端技術(shù)和語義理解上。機器要與人自然交流，當(dāng)然就不能重復(fù)手機這套語音對話規(guī)則，必然就要考慮到用戶說話的環(huán)境、周圍環(huán)境的噪音、用戶發(fā)音不準或者方言等等諸多因素，這就要求前端技術(shù)更加精準的模擬人體結(jié)構(gòu)，仿真出機器人聽覺系統(tǒng)，以實現(xiàn)解放雙手自由對話的目的。

　　另外，機器能不能與人自由的交流，不僅需要機器能將語音轉(zhuǎn)換成文字，更需要機器從文字中理解說話人的含義，這一方面是基于大樣本的機器學(xué)習(xí)需要更進一步，另外一方面也需要小樣本的自主學(xué)習(xí)，沒有舉一反三的功能，似乎語義理解也無法自主適應(yīng)陌生的環(huán)境。這兩個新興的技術(shù)領(lǐng)域，或許又會孕育出幾家獨角獸企業(yè)，將真正推動語音從識別走向交互的自然體驗，從而向著人工智能再次邁進一步。