在語音的產(chǎn)業(yè)鏈找位置

張曉潔

大公司爭奪入口，小公司找準(zhǔn)位置。從蘋果發(fā)布人機(jī)交互語音助手Siri開始，國內(nèi)創(chuàng)業(yè)者就已經(jīng)意識(shí)到，在語音這條產(chǎn)業(yè)鏈中找準(zhǔn)位置，完全有機(jī)會(huì)基于中國語音語言在Siri概念上面分得一杯羹。

要打通語音與應(yīng)用之間的聯(lián)系，首先要準(zhǔn)確地聽懂用戶的語言，了解他要表達(dá)的意思；其次，要在后臺(tái)調(diào)出相應(yīng)的生活類資源或者娛樂應(yīng)用，準(zhǔn)確給出應(yīng)用及數(shù)據(jù)結(jié)果，甚至是用戶相關(guān)的評(píng)價(jià)、評(píng)測(cè)和推薦等；在這兩方面都深入理解后，才能將其聚合起來，產(chǎn)生一種超智能的回答結(jié)果。另外，語音在不同的終端設(shè)備中呈現(xiàn)出的不同體驗(yàn)，語音與圖像、體感等技術(shù)配合也讓硬件的升級(jí)變得更加精彩紛呈。

從這個(gè)角度看，語音能力提供商、語音應(yīng)用開發(fā)商、垂直應(yīng)用提供商和設(shè)備提供商，都可以圍繞語音逐漸形成一條清晰的產(chǎn)業(yè)鏈。而在這四個(gè)領(lǐng)域中，語音能力提供商將與微軟、谷歌和蘋果等大公司直接競(jìng)爭，對(duì)于技術(shù)、人工智能、大數(shù)據(jù)處理和資源整合的能力要求都很高，對(duì)創(chuàng)業(yè)公司挑戰(zhàn)巨大，而另外三個(gè)領(lǐng)域則幾乎可以涵蓋移動(dòng)互聯(lián)網(wǎng)的所有應(yīng)用。

科大訊飛：中文語音深度服務(wù)

今年3月，科大訊飛發(fā)布了新一代語音云平臺(tái)，其推出的官方示范應(yīng)用，就是類似于Siri中文版的訊飛語點(diǎn)。在沒有大規(guī)模的推廣下，訊飛語點(diǎn)依然取得了不錯(cuò)的效果，“現(xiàn)在基于訊飛語音云的賬戶已經(jīng)有6000多個(gè)，上線的有幾百個(gè)應(yīng)用，覆蓋了娛樂、虛擬形象搜索等等各個(gè)領(lǐng)域都有一些很典型的應(yīng)用。” 科大副總經(jīng)理江濤解釋說。

與“蘋谷微”等國際巨頭在語音基礎(chǔ)技術(shù)上直接競(jìng)爭，科大訊飛還是有些底氣的，而當(dāng)移動(dòng)互聯(lián)網(wǎng)和人機(jī)交互概念風(fēng)靡，如何立足中文尋找與蘋果Siri競(jìng)合的路線將是公司未來立足的根本。

“我們將致力于中文語音的深度服務(wù)”，江濤說，科大訊飛中文語音技術(shù)上面有著多年的沉淀，而中國的語言博大精深，在語音的識(shí)別率和語音處理上面，提高用戶體驗(yàn)，永遠(yuǎn)有提升的空間。比如，同樣的普通話不同人的發(fā)音習(xí)慣不同也會(huì)發(fā)出不同的聲調(diào)，如何建立語音模型掌握用戶的發(fā)音習(xí)慣，更準(zhǔn)確地理解用戶的話？更復(fù)雜的是中國幅員遼闊，不同地區(qū)都有自己的方言，建立四川、廣東、上海等不同地區(qū)方言的語言模型是科大訊飛未來的課題。如此復(fù)雜的語音基礎(chǔ)數(shù)據(jù)和模型都并不是一個(gè)創(chuàng)業(yè)公司能夠輕易完成的，因此科大訊飛的目標(biāo)也是對(duì)開發(fā)者開放語料和數(shù)據(jù)，使其能在此基礎(chǔ)上進(jìn)行各種應(yīng)用開發(fā)。目前，包括盤古搜索、騰訊等國內(nèi)知名公司都在基于科大訊飛的語音平臺(tái)做開發(fā)。

江濤認(rèn)為，當(dāng)語音平臺(tái)整合了越來越多的資源，后面的商業(yè)模式也就順理成章。目前，語點(diǎn)的用戶輸入語音需求以后，語點(diǎn)將自動(dòng)轉(zhuǎn)向最適合的應(yīng)用。雖然目前用戶活躍度還不夠，但是未來語音平臺(tái)完全可以通過導(dǎo)航獲得收入。

而語音更大的商業(yè)價(jià)值來自于開發(fā)者，科大訊飛提供的語音平臺(tái)為創(chuàng)業(yè)者開發(fā)語音特色的應(yīng)用提供了基礎(chǔ)。江濤非?？春谜Z音游戲的開發(fā)，比如人們喜歡在打牌時(shí)“一個(gè)王兩個(gè)二”的叫牌，完全可以通過IT技術(shù)在游戲打牌中表現(xiàn)出來。事實(shí)上，微信、唱吧等走紅應(yīng)用也是很好的語音應(yīng)用開發(fā)的例子。

中微通：語音的下一站是語義

中微通嚴(yán)格地說并不是語音技術(shù)提供商，其所經(jīng)營的“語義云”卻正好在語音的下一站，幫助機(jī)器準(zhǔn)確理解用戶語音的意思。具體而言，不管用戶以任何方式提問，中微通都努力通過“自然語言處理及語義云解析引擎”轉(zhuǎn)化成數(shù)據(jù)進(jìn)行解釋，幫助機(jī)器配對(duì)精準(zhǔn)的答案。不過，語音業(yè)內(nèi)已經(jīng)達(dá)成這樣共識(shí)，“未來語音遠(yuǎn)遠(yuǎn)不是識(shí)別的問題，而是語音的理解，識(shí)別不是目的，需要更多創(chuàng)新”，因此，語義與語音掛鉤來說絕非偶然而是必然。

“我們是語義內(nèi)容服務(wù)的提供商，不僅提供語義內(nèi)容，還有對(duì)內(nèi)容進(jìn)行語義處理和改造服務(wù)，以及語音語義產(chǎn)業(yè)鏈上面延伸出來的應(yīng)用化服務(wù)?！?北京中微通信息技術(shù)有限公司創(chuàng)始人兼總裁苑雪山告訴記者，他所理解的Siri有三個(gè)層次，最基礎(chǔ)的層次是語音處理，把語音轉(zhuǎn)化為文字，第二個(gè)層次是語義的操作和控制，即把用轉(zhuǎn)化后的文字去調(diào)用相應(yīng)的應(yīng)用，第三個(gè)層面是語義數(shù)據(jù)業(yè)務(wù)的融合，后面兩個(gè)層面都是與中微通現(xiàn)在的業(yè)務(wù)直接相關(guān)的。

與語音行業(yè)掛鉤，并非是苑雪山最初的計(jì)劃。2006年，苑雪山就利用北航學(xué)生會(huì)的資源組織了一些碩士博士共同籌建科研項(xiàng)目，當(dāng)時(shí)設(shè)定方向時(shí)，只是覺得未來的移動(dòng)互聯(lián)網(wǎng)應(yīng)該是具有更高的智能，用戶應(yīng)該更容易地解決自己的問題。于是，幾個(gè)伙伴用業(yè)余時(shí)間進(jìn)行攻關(guān)，經(jīng)過五六年的時(shí)間進(jìn)行梳理，技術(shù)開始成熟后在2010年成立了創(chuàng)業(yè)公司。此時(shí)，語音語義改造已經(jīng)成為IBM、蘋果、微軟等大公司關(guān)注的熱點(diǎn)，中微通在這個(gè)產(chǎn)業(yè)鏈上找到自己的位置，并獲得了風(fēng)險(xiǎn)投資的認(rèn)可。

在苑雪山的設(shè)計(jì)中，用戶可以通過文本、語音、體感動(dòng)作輸入信息，中微通的引擎對(duì)字符串進(jìn)行解釋，變成數(shù)據(jù)之間的交換，之后通過規(guī)則與引擎中的本體進(jìn)行關(guān)聯(lián)，理解出用戶所表達(dá)的意思。以語音為例，用戶用語音提問“我想在附近吃飯？”引擎對(duì)聲波進(jìn)行切分，在后臺(tái)與不同類別的的詞進(jìn)行聚合關(guān)系結(jié)構(gòu)，分析出用戶的表達(dá)在附件找餐館的意思，調(diào)出相應(yīng)的應(yīng)用或者直接給出答案。理想的狀態(tài)下，未來人類與機(jī)器進(jìn)行對(duì)話，不再是生硬的而是和人對(duì)話一樣，表達(dá)自然而豐富。

苑雪山與中微通在Siri產(chǎn)業(yè)鏈上的定位和嘗試頗具典型性?，F(xiàn)在對(duì)于大多數(shù)用戶來說語音助理只是一個(gè)供“調(diào)戲”的大玩具。Siri之所以給人的印象“趣味”遠(yuǎn)遠(yuǎn)多于“實(shí)用”。探究其主要原因，除了語音識(shí)別率和無線網(wǎng)絡(luò)環(huán)境的不成熟，語音和應(yīng)用整合的不夠多，語義理解相差甚遠(yuǎn)都大大降低了用戶體驗(yàn)。而目前中文自然語音分詞是業(yè)內(nèi)最前沿的技術(shù)，與國內(nèi)少數(shù)同類企業(yè)相比，苑雪山果斷地加強(qiáng)在應(yīng)用層面的優(yōu)勢(shì)，對(duì)企業(yè)進(jìn)行語義化改造的項(xiàng)目，以及面對(duì)個(gè)人用戶應(yīng)用服務(wù)。

目前，中微通承接了電信天翼空間的應(yīng)用下載的語義化改造項(xiàng)目，用戶只要輸入游戲的描述而不是游戲的名稱就可以查找到相關(guān)的游戲。比如，用戶只要輸入小鳥或者小豬類的游戲，就可以找到《憤怒的小鳥》或者《壞豬的逆襲》這樣的游戲，而輸入最近女生喜歡玩的泡泡類游戲，系統(tǒng)就會(huì)自動(dòng)把排名相應(yīng)高的相關(guān)游戲列出來。不僅如此，中微通還為個(gè)人用戶提供交易信息的撮合服務(wù)，比如，用戶對(duì)著手機(jī)輸入“我要找某某附近的小時(shí)工”，系統(tǒng)就會(huì)自動(dòng)篩選出3條信息發(fā)送到用戶手機(jī)上。

中微通現(xiàn)在的服務(wù)仍然以文本為主，這也是語音輸入的準(zhǔn)確度不成熟和用戶習(xí)慣并未養(yǎng)成所致，但未來語音語義的理解體驗(yàn)一定會(huì)成為用戶選擇服務(wù)的標(biāo)準(zhǔn)。事實(shí)上，如果語音的抗噪性和語義理解足夠令人滿意，那么龐大的呼叫中心將會(huì)被自動(dòng)語音系統(tǒng)所取代，這對(duì)于金融、航空、電信等行業(yè)絕對(duì)是巨大的需求。