解析ＡＳＲ行業(yè)，支持“中國(guó)制造”

在HCI技術(shù)中難度最大的自動(dòng)化語音識(shí)別（ASR）研究從上世紀(jì)50年代開始到現(xiàn)在已經(jīng)歷半個(gè)多世紀(jì)的蓬勃發(fā)展，在這期間獲得了巨大的進(jìn)展。

捷通華聲作為我國(guó)智能人機(jī)交互（HCI）技術(shù)領(lǐng)域領(lǐng)軍企業(yè)，也步入了投身HCI領(lǐng)域技術(shù)研發(fā)與產(chǎn)品化的第十個(gè)年頭。多年來捷通華聲語音、手寫識(shí)別等HCI技術(shù)領(lǐng)域的發(fā)展積累大量寶貴的經(jīng)驗(yàn)，也可以說對(duì)HCI領(lǐng)域的感受頗多，尤其是對(duì)我國(guó)HCI技術(shù)的發(fā)展與市場(chǎng)前景更是洞若觀火。

近期，隨著雅虎、微軟兩大巨頭在海外相繼高調(diào)推出語音搜索應(yīng)用，語音識(shí)別再次成為國(guó)內(nèi)外業(yè)界關(guān)注的熱點(diǎn)話題之一。這標(biāo)志著自動(dòng)化語音識(shí)別應(yīng)用進(jìn)入了產(chǎn)業(yè)化、市場(chǎng)化的新時(shí)期。

陷入怪圈的朝陽行業(yè)

人們都在翹首盼望，隨著科學(xué)的進(jìn)步計(jì)算機(jī)能夠與人無障礙的溝通交流，事實(shí)上，這也是IT產(chǎn)業(yè)的一個(gè)發(fā)展趨勢(shì)。很多人為之傾注全部心血，理所當(dāng)然，市場(chǎng)回報(bào)也十分優(yōu)厚，以其2000億美元的市場(chǎng)規(guī)模讓人垂涎。

語音識(shí)別特點(diǎn)可以用三個(gè)“大”字概括：用戶期望大、研發(fā)投入大、從理論到技術(shù)轉(zhuǎn)換的困難大。這個(gè)三“大”特點(diǎn)，使語音識(shí)別的發(fā)展走進(jìn)一個(gè)怪圈：因研發(fā)投資大，故而產(chǎn)品價(jià)格不菲，然而質(zhì)量卻無法滿足用戶過高的期望，從而影響了市場(chǎng)與應(yīng)用規(guī)模擴(kuò)展。

所以時(shí)下流行的大型IVR（互動(dòng)式語音應(yīng)答）服務(wù)仍然以菜單式問答、用戶按鍵式輸入為主，以TTS（語音合成）應(yīng)答重復(fù)率高和答案較標(biāo)準(zhǔn)的問題。語音識(shí)別似乎成了一只美味的螃蟹，羨慕者眾，但是敢于食之者寥寥。

譬如采用IVR技術(shù)的企業(yè)呼叫中心，它考慮選擇語音識(shí)別產(chǎn)品，必定要考察其使用價(jià)值；如果語音識(shí)別的效果可靠，可以把語音識(shí)別作為人工坐席的替代資源，在附加了自己的其他勞動(dòng)之后最終向客戶提供新的使用價(jià)值。

如果語音識(shí)別產(chǎn)品的使用價(jià)值和人工坐席的旗鼓相當(dāng)，那么投資語音識(shí)別即可以替代坐席的價(jià)值投入，也即“等值替代”。然而問題就出在其中，盡管ASR能夠?yàn)橘I家?guī)黹L(zhǎng)期的成本大幅下降，卻在使用價(jià)值上無法實(shí)現(xiàn)與人工坐席的等值替代，這就是為什么很多客戶不愿做第一個(gè)食蟹者的主要原因。

語音識(shí)別面臨最殘酷的現(xiàn)實(shí)是，即使是世界頂尖的技術(shù)，距離完全替代人工坐席也相去甚遠(yuǎn)。對(duì)公司而言，為研發(fā)某產(chǎn)品投入了幾百個(gè)工程師人年的價(jià)值，除了增加風(fēng)險(xiǎn)之外沒有太多實(shí)際意義，因?yàn)閮r(jià)值的尺子掌握在客戶的手里。

但是，價(jià)格是抓住市場(chǎng)的一個(gè)保證。暫時(shí)忘記研發(fā)成本，用相對(duì)過硬的技術(shù)開拓市場(chǎng)藍(lán)海，語音識(shí)別才能看到勝利的曙光。技術(shù)的進(jìn)步不是閉門造車，無法一蹴而就，它與實(shí)際應(yīng)用必然是交替前進(jìn)的模式，語音識(shí)別如要進(jìn)一步發(fā)展壯大，首先要用有誘惑力的價(jià)格吸引用戶體驗(yàn)新科技帶來的便捷與高效，再由市場(chǎng)回報(bào)與反饋中汲取養(yǎng)分，重新注入到技術(shù)中，如此形成良性循環(huán)，才能夠向前邁進(jìn)。

此外，由于我國(guó)對(duì)ASR技術(shù)的認(rèn)識(shí)相對(duì)滯后，對(duì)語音識(shí)別的認(rèn)識(shí)還存在一定的誤區(qū)與不理解。

ASR，風(fēng)雨兼程

語音識(shí)別無法提提升客戶服務(wù)

不少人認(rèn)為古老的按鍵式系統(tǒng)已經(jīng)夠用了，語音識(shí)別無法提高客戶服務(wù)。這讓人不禁產(chǎn)生疑問：“消費(fèi)者是否也這樣認(rèn)為呢？”。當(dāng)然具體問題還要具體分析，要看客戶的實(shí)際需求而定。如果僅僅是實(shí)現(xiàn)功能相對(duì)單一的自動(dòng)化功能，而且客戶的業(yè)務(wù)并沒有太多與消費(fèi)者交互內(nèi)容的話，那么按鍵式系統(tǒng)或許已經(jīng)足夠。

然而，當(dāng)今消費(fèi)者往往不滿意按鍵式系統(tǒng)。首先，傳統(tǒng)的按鍵模式所能提供的菜單選擇有限，使來電者不得不費(fèi)勁地猜想自己的問題屬于哪個(gè)類別，且菜單層次往往非常復(fù)雜，而來電者在厭煩聽取繁瑣的菜單選項(xiàng)或者得不到確切的結(jié)果后，更樂于直接選擇咨詢?nèi)斯し?wù)。其次，傳統(tǒng)的按鍵模式非常不受手機(jī)使用者的歡迎，當(dāng)消費(fèi)者使用手機(jī)撥打號(hào)碼時(shí)，必須頻繁地將手機(jī)拿開以便按鍵，這無疑增加了使用者的操作時(shí)間與繁瑣程度，于是使用者再次直接選擇了人工服務(wù)。這就無形中增加了人工坐席的工作量，而人工坐席不得不完成一些不必要的工作，IVR系統(tǒng)的效率被大大降低。

借助于語音識(shí)別技術(shù)的應(yīng)用上述問題迎刃而解，使用者不必再聽候冗長(zhǎng)的菜單選項(xiàng)，不必再使用繁瑣的按鍵操作，只需在提示問題的引導(dǎo)下，更加自由的用聲音進(jìn)行操作。這樣，不僅避免了使用者猜想自己?jiǎn)栴}的類別，而且大大節(jié)省了操作的時(shí)間，從而使其更加集中精力在他所關(guān)心的問題。

語音識(shí)別技術(shù)同時(shí)還具備如復(fù)雜的拼寫輸入等傳統(tǒng)按鍵模式所不具備的功能，簡(jiǎn)化互動(dòng)和提高整體的客戶體驗(yàn)。尤其是當(dāng)使用者正處在如駕駛狀態(tài)等不方便按鍵的環(huán)境中時(shí)，語音識(shí)別技術(shù)所帶來的便捷，是可想而知的。

語音識(shí)別無所不能

鼠標(biāo)與鍵盤的輸入方式，因其標(biāo)準(zhǔn)化的輸入本質(zhì)所達(dá)到的所輸即所得的境界，對(duì)于評(píng)價(jià)自由度大大提升的語音輸入來說是不切實(shí)際的。

長(zhǎng)期以來，人們對(duì)語音識(shí)別技術(shù)的期望值過高，認(rèn)為“語音識(shí)別技術(shù)應(yīng)該聽得懂一切”。這其實(shí)是一種理想的狀態(tài)，也是科學(xué)家與技術(shù)人員所一直追尋的終極目標(biāo)。然而，切合實(shí)際的想一想，對(duì)于這一目標(biāo)人們只可能無窮盡地接近它，卻無法達(dá)到它。舉個(gè)簡(jiǎn)單的例子來說， 人與人之間的語言溝通，往往都還會(huì)因?yàn)檎Z法、口音、噪聲、俚語、語種等諸多因素的影響而使彼此聽不懂對(duì)方在說些什么，對(duì)于計(jì)算機(jī)當(dāng)然也不能奢望太多。

因此，沒有哪種語音識(shí)別技術(shù)能夠百分百準(zhǔn)確無誤地理解用戶的任何語音。當(dāng)然，可以通過語音提示、糾錯(cuò)與信息確認(rèn)等方式來彌補(bǔ)語音識(shí)別的不足。

中國(guó)的語音識(shí)別技術(shù)落后

正如前文所述，語音識(shí)別技術(shù)因其自由度的大幅提升導(dǎo)致其技術(shù)開發(fā)難度增大，國(guó)外語音技術(shù)雖然起步較早，但其發(fā)展速度由于市場(chǎng)成熟度、相關(guān)技術(shù)發(fā)展速度等諸多因素的制約一直進(jìn)展比較緩慢，且面臨的最大技術(shù)難題就是的“自然語言”識(shí)別，即所謂的“語音識(shí)別聽得懂一切”，也是迄今為止全球語音識(shí)別界無法逾越的鴻溝。

我國(guó)對(duì)于語音識(shí)別技術(shù)的研究與產(chǎn)品開發(fā)相對(duì)國(guó)外起步較晚，但追趕的步伐卻很快。目前語音識(shí)別技術(shù)水平已經(jīng)與國(guó)外的技術(shù)水平相差無幾，而在中文語音識(shí)別領(lǐng)域更是由于其強(qiáng)烈的地域特征和得天獨(dú)厚的條件而領(lǐng)先于國(guó)際。

語音識(shí)別非常昂貴

相對(duì)于國(guó)外大公司高昂的研發(fā)、運(yùn)營(yíng)、維護(hù)、廣告成本而言，國(guó)內(nèi)語音識(shí)別技術(shù)含量并不低，同時(shí)擁有著更為實(shí)際、更有競(jìng)爭(zhēng)力的價(jià)格。在為客戶有效降低成本的前提下，帶來比國(guó)外公司更高的投資回報(bào)率，還能讓客戶在一個(gè)更加合理的價(jià)位上提高服務(wù)質(zhì)量，讓消費(fèi)者更多地感受語音識(shí)別技術(shù)帶來的便捷。只有這樣才能進(jìn)一步拉近語音識(shí)別技術(shù)與產(chǎn)品化應(yīng)用的距離，拉近語音識(shí)別技術(shù)與消費(fèi)者之間的距離，進(jìn)一步促進(jìn)語音類增值服務(wù)的繁榮發(fā)展。

洋玩意兒總是好的

不可否認(rèn)，總體上來說，國(guó)外廠商的優(yōu)勢(shì)還是非常明顯的，其發(fā)展較早、資金實(shí)力雄厚。然而一味地盲目崇拜國(guó)外也是不可取的，俗話說“適合的才是最好的”。

對(duì)于語音識(shí)別領(lǐng)域來說，正是在這“適合”二字上，國(guó)內(nèi)企業(yè)有著國(guó)外公司所不具備的、得天獨(dú)厚的優(yōu)勢(shì)。首先，中文語音識(shí)別技術(shù)是大部分國(guó)外廠商所不具備或者不完善的，而對(duì)中文語言特點(diǎn)的理解與中國(guó)人語言習(xí)慣的熟悉正是中國(guó)企業(yè)的優(yōu)勢(shì)之首。其次，高性價(jià)比也毋庸置疑地成為國(guó)內(nèi)企業(yè)最大的優(yōu)勢(shì)之一。再有，國(guó)內(nèi)企業(yè)對(duì)國(guó)內(nèi)客戶的企業(yè)文化和業(yè)務(wù)流程有著良好把握，并提供靈活多樣化的產(chǎn)品與合作模式、及時(shí)周密的服務(wù)、充分的培訓(xùn)、行業(yè)特色的解決方案。國(guó)外公司在中國(guó)的技術(shù)研發(fā)力量不足、甚至沒有；培訓(xùn)人員、服務(wù)支持往往要遠(yuǎn)渡重洋不夠及時(shí)；解決方案陳舊不符合中國(guó)國(guó)情，不了解行業(yè)特色；產(chǎn)品改造牽扯太多不夠靈活主動(dòng)。最后，國(guó)內(nèi)企業(yè)在借鑒吸收國(guó)內(nèi)外大量資源的基礎(chǔ)上，結(jié)合中國(guó)國(guó)情、行業(yè)特色、集百家之長(zhǎng)，逐漸形成了商業(yè)的“中國(guó)模式”厚積薄發(fā)。

打造ASR的“中國(guó)模式”

隨著中國(guó)經(jīng)濟(jì)的騰飛，以往單純的“拿來主義”已經(jīng)不能滿足中國(guó)消費(fèi)者的需求，由于文化背景、民族習(xí)慣、知識(shí)水平、行業(yè)特色、政府政策、法律法規(guī)、管理方式等諸多方面與國(guó)外的差異，形成了具有中國(guó)特色的客戶需求。而各行業(yè)的商家看準(zhǔn)這一市場(chǎng)需求，在原有的基礎(chǔ)上加以變革或者干脆推翻原有不合理的東西，推出更加符合中國(guó)客戶需求的產(chǎn)品、方案、制度、服務(wù)、商務(wù)合作等一系列的內(nèi)容就形成了今天大家經(jīng)常談及的“中國(guó)模式”。

當(dāng)今企業(yè)善用“中國(guó)模式”取得成功的案例不勝枚舉，如聯(lián)想、華為、阿里巴巴等知名企業(yè)還將“中國(guó)模式”成功地改良應(yīng)用于海外市場(chǎng)，并獲得了成功。

作為中國(guó)語音識(shí)別的領(lǐng)軍企業(yè)，這些年來捷通華聲一直奉行“質(zhì)量至上、服務(wù)第一；薄利多銷、份額制勝”的發(fā)展宗旨。為了讓語音識(shí)別應(yīng)用面積擴(kuò)大起來，不妨打價(jià)格戰(zhàn)。同時(shí)，研發(fā)人員走到用戶中去，和他們一起研究問題，以實(shí)用為目的，靈活定制。要用坦誠(chéng)和熱情服務(wù)贏得客戶的理解和支持。服務(wù)中不是扔給客戶一大本參數(shù)手冊(cè)叫客戶去費(fèi)力調(diào)試，如果效果沒有達(dá)到產(chǎn)品宣稱的百分之九十幾就歸咎于用戶的參數(shù)沒有調(diào)節(jié)好。而是通過和用戶之間的緊密配合，共同發(fā)現(xiàn)問題，進(jìn)行最佳參數(shù)配置，進(jìn)而進(jìn)行必要的定制。

捷通華聲憑借擁有自主知識(shí)產(chǎn)權(quán)的多項(xiàng)HCI技術(shù)（語音合成、語音識(shí)別、手寫識(shí)別）優(yōu)勢(shì)和多年的市場(chǎng)經(jīng)驗(yàn)積累，建立了相對(duì)完善的、更加符合中國(guó)客戶需求的產(chǎn)品、服務(wù)與技術(shù)支持體系，為ASR在CTI、嵌入式等領(lǐng)域的行業(yè)應(yīng)用鋪平了適合“中國(guó)模式”的發(fā)展道路。

相信未來市場(chǎng)上，“中國(guó)制造”將開拓更廣闊的一片天地。

（作者為北京捷通華聲語音技術(shù)有限公司總經(jīng)理）