在蘋(píng)果發(fā)布Siri之后，互聯(lián)網(wǎng)巨頭與硬件企業(yè)就已在智能語(yǔ)音領(lǐng)域展開(kāi)了新的爭奪戰。此前，平臺級的語(yǔ)音助手應用以蘋(píng)果Siri、谷歌GoogleNow為主，現在微軟也在Windows Phone 8.1中集成了Cortana，加入到競爭中來(lái)。本月中旬，微軟發(fā)布的視頻廣告中，其智能語(yǔ)音助手Cortana就對蘋(píng)果Siri進(jìn)行了嘲弄。視頻中Cortana向Siri自夸它能完成一些高級的交互功能，而Siri不能。
在中國市場(chǎng)，科大訊飛、百度、騰訊等互聯(lián)網(wǎng)企業(yè)，中興、華為等手機企業(yè)今年來(lái)也紛紛加大對智能語(yǔ)音領(lǐng)域的投入。那么，國內智能語(yǔ)音產(chǎn)品如何實(shí)現硬件與軟件結合，何時(shí)能面向大眾市場(chǎng)實(shí)現商業(yè)化？語(yǔ)音處理芯片公司Audience中國區總經(jīng)理林明璋近日就此問(wèn)題接受了《壹觀(guān)察》專(zhuān)訪(fǎng)。以下為主要信息點(diǎn)：
Audience是誰(shuí)？
Audience公司基于人體聽(tīng)力學(xué)的原理開(kāi)發(fā)出一種名為earSmart的智能語(yǔ)音處理模塊，它能讓用戶(hù)在嘈雜的環(huán)境中進(jìn)行清晰的對話(huà)。主要向設備制造商銷(xiāo)售芯片和授權知識產(chǎn)權，通過(guò)過(guò)濾背景噪音以提高移動(dòng)設備的語(yǔ)音質(zhì)量。
2008年，該公司的第一款語(yǔ)音處理芯片被應用于手機上。2012年5月Audience在納斯達克上市。蘋(píng)果在iPhone4中開(kāi)始使用Audience公司的語(yǔ)音處理芯片，蘋(píng)果iPhone4S的A5芯片也集成了該芯片模塊，以提高蘋(píng)果語(yǔ)音助手Siri的識別能力。
目前，Audience的主要客戶(hù)包括三星、中興、華為、小米、HTC等主要手機廠(chǎng)商，同時(shí)在A(yíng)udience也在拓展智能汽車(chē)、智能家居等市場(chǎng)。
目前智能語(yǔ)音發(fā)展中遇到的主要問(wèn)題
1、智能喚醒功能，目前產(chǎn)品使用體驗都不是很好，喚醒率和準確度有待提高，喚醒后的智能語(yǔ)音執行也需要大幅優(yōu)化；
2、嘈雜的場(chǎng)合需要提高聲音降噪功能，如高速汽車(chē)、家居環(huán)境中超過(guò)5米的遠距離語(yǔ)音識別等；
3、市場(chǎng)上所稱(chēng)的聲紋識別功能，需要提高對特殊語(yǔ)音與關(guān)鍵詞識別。
目前與中國企業(yè)合作進(jìn)展
Audience目前與中國主要的手機廠(chǎng)商都有合作，如華為D1、小米2、中興“星星一號”、魅族MX4 Pro等都使用了Audience的語(yǔ)音處理芯片。
今年9月，Audience與中興通訊、百度、高德、Nuance、中國科學(xué)院成立了“智慧語(yǔ)音聯(lián)盟”，這是世界上的第一個(gè)移動(dòng)設備聲控技術(shù)聯(lián)盟。林明璋稱(chēng)，成立“智慧語(yǔ)音聯(lián)盟”的目的在于推動(dòng)智能手機從“觸控”向“聲控”邁進(jìn)。
除終端廠(chǎng)商外，中國移動(dòng)與Audience在VoLTE高清語(yǔ)音、提高通話(huà)質(zhì)量等方面也有合作。
林明璋對《壹觀(guān)察》表示，中國終端廠(chǎng)商中與Audience合作最為密切的是中興通訊與魅族。魅族剛剛發(fā)布的MX4 Pro產(chǎn)品就內置了Audience的語(yǔ)音處理方案。而中興通訊與Audience的合作時(shí)間最長(cháng)，中興在三年前已開(kāi)始進(jìn)行智能語(yǔ)音的研發(fā)，其首款主打智能語(yǔ)音的“星星一號”手機在與Audience聯(lián)合研發(fā)后，通過(guò)VoiceQ等技術(shù)已經(jīng)具備了智能語(yǔ)音的常用功能。
如何應對中國企業(yè)“仿制”？
林明璋認為，智能語(yǔ)音與拍照軟件相比需要更大的投入，涉及到更復雜的應用場(chǎng)景和算法，因此在短時(shí)間內被迅速仿制的可能性不大。國內終端企業(yè)與Audience合作要牽扯到芯片選型、硬件與軟件適配、UI優(yōu)化、麥克風(fēng)選擇、版型設計等諸多環(huán)節，一個(gè)細節出了問(wèn)題往往會(huì )發(fā)生非常大的偏差，因此被簡(jiǎn)單復制的難道會(huì )相當大。
林明璋透露，Audience近期將與中興發(fā)布一款智能語(yǔ)音手機，搭載了不間斷偵測智能語(yǔ)音和音頻解決方案Audience eS700系列處理器，并應用了其VoiceQ和MotionQ兩大功能。VoiceQ使移動(dòng)設備處于‘永在聆聽(tīng)’模式，可延長(cháng)電池使用時(shí)間。MotionQ技術(shù)可以直接連接到移動(dòng)和位置傳感器，支持多達10軸加速度計、陀螺儀和磁強計，不必直接與AP連接。當設備自身發(fā)生方向變化時(shí)，通過(guò)使用慣性傳感器數據優(yōu)化麥克風(fēng)的性能，提高智能語(yǔ)音的識別能力，同時(shí)達到超低功耗，提供最好的用戶(hù)體驗。
智能語(yǔ)音將擴展至穿戴設備與智能家居
林明璋認為，隨著(zhù)物聯(lián)網(wǎng)與移動(dòng)技術(shù)發(fā)展，語(yǔ)音將成為未來(lái)智能家居的核心，而通過(guò)智能語(yǔ)音完成智能家居終端之間的鏈接控制，可以將用戶(hù)的雙手解放出來(lái)。而聲紋和傳感器技術(shù)的進(jìn)步，智能語(yǔ)音將成為穿戴設備的主要控制方式，語(yǔ)音識別技術(shù)的應用范圍和場(chǎng)景將會(huì )無(wú)限放大。
林明璋表示，從產(chǎn)業(yè)鏈來(lái)看，巨頭們2014年開(kāi)始全面發(fā)力智能語(yǔ)音，而2015年將成為智能語(yǔ)音在硬件與軟件結合發(fā)展的關(guān)鍵一年，預計中國市場(chǎng)高端旗艦產(chǎn)品將全部具備智能語(yǔ)音功能。
