什么是智能語音人機交互技術？簡單說說說電話語音機器人的四大優點，就是一種以語音為主要信息載體，讓機器具有像人一樣“能聽會說、自然交互、有問必答”能力的綜合技術，它涉及自然語言處理、語義分析和理解、知識構建和自學習能力、大數據處理和挖掘等前沿技術領域。這種技術既可以作為獨立的軟件系統運行在用戶的計算機和智能手機上，也可以嵌入到具有聯網能力的設備中。

一、智能語音人機交互產業發展現狀

近幾年，隨著語音技術的不斷發展，人機交互逐漸走入語音時代，進入到智能操作系統時代，手機、平板、可穿戴、智能家居、智能汽車等不斷出現，各種業務、軟件、應用也迅速普及，而且越來越多應用也開始引入語音功能。

主要體現在說說電話語音機器人的四大優點：一是技術水平不斷提高，特別是語音合成和基礎語音識別技術發展較快；二是產業規模持續擴大，帶動說說電話語音機器人的四大優點了家電、汽車、移動互聯網等一批相關產業的發展；三是優秀企業大幅涌現，出現了如Nuance、谷歌、科大訊飛、捷通華聲等一批優秀的企業。

除了蘋果推出的Siri，谷歌發布的Google Now，以及微軟推出的Cortana（小娜）以外，亞馬遜還大力推廣Echo智能音箱，Facebook也宣布推出聊天機器人Messenger Platform，希望建立一個對話式的系統，實現訂餐、下單、獲取資訊等各種各樣的服務。接著，谷歌在今年5月的I/O大會上就發布了Google Home智能音箱。

同時，產業發展也存在一些問題：一方面，語音識別技術主要還是用于識別一些命令詞匯和固定的語法格式，大規模的語音數據識別技術仍有待提高；另一方面缺乏成熟的商業模式極大地制約著產業的可持續發展。

二、智能語音人機交互產業鏈分析

經過多年的發展，智能語音人機交互產業形成了從核心技術研發到知識庫提供再到應用、服務的完善的產業鏈。

圖1 智能語音人機交互產業鏈

（一）核心技術研發

包括人工智能機器人廠商、人機交互技術和渠道提供商，以及基礎平臺支撐和關聯技術提供商。

1、人工智能機器人廠商

主要包括小i機器人等智能機器人廠商，以及清華、中科院等人工智能技術研究院校和科研院所。

2、人機交互技術或渠道提供商

包括Nuance、科大訊飛、捷通華聲、車音網、思必馳等語音技術提供商，以及短信（移動、電信、聯通）、QQ等服務提供商。

3、基礎平臺支撐和關聯技術提供商

包括IDC、云計算平臺、數據挖掘等技術提供商。

（二）知識庫提供

主要是指數據和內容提供商，包括影視（百事通、優酷、土豆、奇異、華數等）、電影票（格瓦拉等）、音樂、餐飲（大眾點評、訂餐小秘書）、股票（新浪財經、東 方財富網等）、天氣（問天網）、航班（攜程、去哪兒）、旅游（攜程、驢媽媽）、導航（高德、凱立德等）、政府、行業知識庫等。

（三）應用、服務

1、智能電視提供商

包括長虹、創維等智能電視提供商、機頂盒提供商，以及東方有線、百事通、中國電信IPTV以及機頂盒生產廠商、服務運營商等，也可以包括費通、盛付通等支付渠道商。

2、智能車載設備提供商

包括各車廠、汽車安全信息服務提供商（如安吉星等）、車載信息服務提供商（如高德、凱立德等）等。

3、電話呼叫中心

包括移動、電信、聯通各運營商，以及以金融為代表的大型現代服務企業，還有面向中小型企業的綜合服務平臺等。

4、智能移動終端廠商

包括以華為、聯想、盛大、中興等為代表的智能移動終端廠商。

5、智能家居廠商

包括以海爾、典眾智能為代表的智能家居廠商。

三、智能語音人機交互產業競爭格局

隨著人機交互技術對語音技術的強烈需求，除了傳統的智能機器人廠商以外，語音技術提供商和傳統的搜索廠商也紛紛推出自己的產品，進入智能語音人機交互行列，形成了智能機器人廠商、語音技術提供商、傳統搜索廠商和移動客戶端開發者四大陣營，產業競爭進一步加劇。

（一）智能機器人廠商

智能機器人廠商是目前主要的智能交互技術提供商，是智能交互產業的重要組成部分。Gartner報告指出，截止2011年初，全球大約有36家智能客服系統服務商。如美國加州的eGain，主要為客戶提供“云計算”交互中心方案或內部部署，客戶超過上百家，遍及電信、金融、零售、公共事業、政府、制造、媒體、電子商務、旅游、汽車、外包、科技以及服務等行業。瑞典的Artificial Solutions定位于為企業和政府機構開發客服機器人，他們已經成功的為歐洲近幾十個政府部門提供客服機器人，從而減輕人工工作壓力。

智能客服機器人在國內的發展應用于近幾年呈現出了快速增長的勢頭，其中有代表性的是小i機器人推出的智能客服機器人系列產品。

（二）語音技術提供商

語音技術提供商紛紛借助這次智能語音人機交互產業發展高潮，不斷推出相關產品，提升自己提供智能機器人解決方案的能力。Nuance除了在北美市場擁有自己類似的解決方案Dragon go！，也在亞洲市場和一些當地合作伙伴合作，共推解決方案。國內語音技術引領者科大訊飛也推出了訊飛語點這樣的產品。但語音廠商推出的智能機器人有明顯的語音技術的痕跡，主要是命令格式的識別，而自然語言處理和智能交互性存在一定的不足。

（三）搜索廠商

雖然Siri也整合多家搜索引擎，但在很多情況下，是直接給了用戶答案，這種方式的易用性和效率以及用戶體驗遠比傳統的搜索引擎要強，也是對傳統搜索的挑戰。因此國際搜索巨頭谷歌，以及國內的搜索公司百度、搜搜、搜狗等都在準備智能語音人機交互產品，提升自我競爭力。谷歌發布Google Now，能自動從互聯網尋找知識，能回答的內容甚至比Siri更多。

（四）移動客戶開發端

Siri出 現和移動互聯網的空前繁榮，引來的無數移動客戶端開發者開發智能語音人機交互相關的應用。他們采用第三方免費的語音識別服務（如訊飛語音云和谷歌語音搜索等），用簡單的關鍵詞匹配或全文檢索引擎實現文本交互功能，做了大量的控件在客戶端上展示信息，整合了一些諸如指南針的實用小功能等。

四、智能語音人機交互關鍵技術分析

基于語音的智能人機交互是當前人機交互技術的主要表現形式，語音人機交互過程包括信息輸入和輸出的交互、語音處理、語義分析、智能邏輯處理以及知識和內容的整合。

圖2 智能語音人機交互過程

結合語音人機交互過程，可以看出智能語音人機交互關鍵技術主要如下：

（一）自然語音處理技術

包括中文分詞、詞性標注、實體識別、句法分析、自動文本分類等技術。

（二）語義分析和理解

包括知識表示、本體理論、分領域的語義網絡、機器推理等。

（三）知識構建和學習體系

包括搜索技術、網絡爬蟲、數據挖掘、知識獲取、機器學習等技術。

（四）語音技術

包括語音識別、語音合成和聲紋識別等。

（五）整合通信技術

包括跨平臺即時通訊整合技術、超大負載消息集群處理技術、移動客戶端開發技術。

（六）云計算技術

包括海量數據分布式存儲、統計和分析技術。

五、智能語音人機交互技術在典型行業的應用

語音交互方式替代文本交互方式，可以增強信息輸入方式，能和更多的設備進行整合，市場前景廣闊。目前，智能語音人機交互技術已經廣泛應用到智能客服、智能終端等領域，切實深入到人們的生活。

（一）智能客服

智能客服是以自然語言處理和智能人機交互等多種人工智能技術為基礎，通過即時通訊、網頁、短信等形式，以擬人化方式與用戶進行實時交互的軟件系統，能夠實現智能客服咨詢和產品營銷推廣等功能。如果在智能客服的交互前端接入經過領域語料訓練的語音識別能力，智能客服機器人就可以順利的接入到目前的電話呼叫中心。

傳統的客戶服務中心以電話呼叫中心為主，并且很多大型服務企業在不斷拓展更為經濟高效的電子渠道，如網上在線客服、短信、智能手機應用等。而以領域客戶化知識庫建設為核心工作，并通過文本或語音等方式交互的智能客服系統則可以有效地和多渠道的客戶服務中心做整合。在大幅縮減客服成本的同時，能夠有效減少人工成本，增強用戶體驗，從而提升服務的質量和企業創新的品牌形象。

圖3 客服系統技術和產業化路徑

國外的智能客服系統市場發展較早，信息系統發展相對完善（尤其是CRM系統），人工服務的成本較高，促使企業有較大的動力采用智能客服系統，智能客服技術提供商和客戶較多。

而在國內，由于企業的信息系統發展相對滯后，人力成本相對較低，企業采用智能客服系統的動力嚴重不足。近幾年，隨著大家對智能客服的認知的提高，對新技術采用相對比較積極的電信運營商、金融領域已有多家采用了智能客服系統。

隨著人們對智能客服系統服務價值的認知度的提高，以及交互習慣的形成，智能客服系統的社會價值和經濟價值將會進一步顯現。以中國移動的客服機器人測算，目前移動集團在全國的人工客服坐席以10萬計，一個坐席一年的運營平均成本為10萬，采用智能客服可以節約20%的開銷，僅移動行業一年就可以節約成本20億。據Gartner預計，到2013年全球1000強公司中至少有15%會采用智能客服系統來提高服務水平。

（二）智能終端

以智能手機、平板電腦、智能電視、智能車載為代表的智能終端是智能語音人機交互技術最廣泛的應用。在蘋果Siri的帶動下，包括Android、WP以及采用這些操作系統的平板電腦，都有采用類似Siri的智能應用的強烈需求。谷歌預計目前大約有25%的Android設備通過語音進行搜索。Datamonitor預計到2014年語音識別系統在全球移動終端市場的份額將達到2009年的3倍，移動終端有望成為智能語音技術的一個快速增長市場。

附：盤點國內外語音交互公司

一、國外語音交互

Nuance

全球最大的語音技術公司，超1000項專利技術 ，一度雄霸天下。當然現在依然很牛啦。在中國，有9%的語音識別應用是采用Nuance的核心技術。它和電信、移動、聯通、網通都有合作，cctv春晚的呼叫中心也應用此技術。

微軟

提到微軟在語音交互的布局，不得不說起微軟兩姐妹，小冰和小娜。小娜Cortana是微軟發布的全球第一款個人智能助理。能夠了解用戶的喜好和習慣， 幫助用戶進行日程安排、問題回答等。小冰目前已發布第三代，聽說讀寫技能都已解鎖，從最初只能單純的文字對話跨越至純語音的互動聊天。

谷歌

Google一直致力于投資語音技術，此前收購多家語音識別技術公司及專利。2011年，收購語音通信技術公司 SayNow 和語音合成技術 Phonetic Arts。2014年收購SR Tech Group的多項語音識別相關的專利，其中包括“搜索引擎語音界面”和“修改、更新語音識別項目系統”的專利。

今年4月份Google還開放了自己的語音識別API，即Google 語音搜索和語音輸入的支持技術。Google Cloud SPeech API包括了80多種語言，適用于各種實時語音識別與翻譯應用。

蘋果

蘋果收購過Siri、Novauris、VocalIQ等語音技術公司，且請了不少牛B的人組建基于神經網絡算法的語音識別團隊。最近蘋果正依靠語音 助手Siri構建更大的生態系統，在最新的HomeKit的合作伙伴名單中，除了國內廠商海爾，還有照明廠商飛利浦、科銳（CREE），以及Marvell（美滿電子）、Honeywell（霍尼韋爾）等全球頂級制造商。

初創公司Viv Labs

提到蘋果Siri還容易讓人想到，Siri 的兩位創始人在離開蘋果之后，他們另起爐灶，創辦了一家名為 Viv Labs 的初創企業，他們準備打造一位智能經過全新升級的助手：Viv，它能夠理解復雜句子，在用戶對它的使用中自主學習，并且幫助完成事情。這些簡直就是 iPhone 用戶當初對 Siri 的美好想象。

亞馬遜

Echo音箱就是一個黑色的小柱子，相比起其他的智能語音助手比如 Siri，它實物，不是Siri這樣的虛擬語音助手。一年多下來，Echo已經成為了語音控制智能家居的入口。

二、國內語音交互

科大訊飛

成立于1999年底，依靠中科大的語音處理技術以及國家的大力扶持，很快就走上了正軌，是目前國內最有影響力的語音技術公司，08年的時候就已經掛牌上市了，目前市值接近500億。

中科信利

中科信利是國內第一家具有大規模商用案例的語音 技術公司，是專業的語音核心技術和解決方案提供商。公司專注于語音識別和音頻信號處理相關技術和產品的研發，具有國際一流水平的語音識別/處理引擎、語音云系統和語音分析應用產品，產品涵蓋互聯網、電信平臺、廣電網、教育、音樂檢索以及嵌入式終端等多個領域，是擁有全部核心技術自主知識產權。

捷通華聲

捷通華聲科技股份有限公司成立于2000年10月，是一家專注于智能語音、智能圖像、語義理解等人工智能技術的研究與應用，全面發展人工智能云服務的高新技術企業。2001年，捷通華聲推出代表國內最高水平的中文語音合成技術。2014年，靈云平臺面向產業全面開放，并以“云 + 端”方式，為產業界提供語音合成（TTS）、語音識別（ASR）、聲紋識別（VPR）、手寫識別（HWR）、光學字符識別（OCR）、指紋識別 （FPR）、機器翻譯（MT）、自然語言理解（NLU）等全方位人工智能能力。

百度

語音交互其實很早就被百度確立為戰略方向，2010年的時候百度就與中科院聲學 所合作研發語音識別技術，但是沒搞好。直到14年，百度請來了人工智能領域的泰斗級大師吳恩達，正式組建了語音團隊，專門研究語音相關技術，才得以咸魚翻身。到目前為止，已斬獲了近13%的市場份額，技術實力可與科大訊飛相提并論。

除了技術外，我們還看到百度積極地布局應用端，CarLife、MyCar以及在上個月CES上推出的CoDriver都是百度在車聯網語音交互的生態布局。還有百度之前推出的度秘，之前也在KFC中實現了語音點餐這一功能。

搜狗

7月16日，奇點?極客公園創新者峰會上，王小川表示，目前搜狗一天有1.4億的語音識別量，準確度超過97%，有7%的用戶會使用語音識別。目前搜狗語音的技術已經不僅僅能夠識別語音，更重要的是可以通過完全不依靠雙手進行文字的修改。

搜狗輸入法在語義理解方面的大數據積累、搜狗本身就在做的地圖，再加上目前由搜狗自主開發的語音交互技術，這3者深度結合，在車聯網應用領域的確也很具優勢的。

思必馳

思必馳初創于07年，由劍橋大學團隊創立于英國劍橋高新區，同科大訊飛一樣，思必馳是國內為數不多的擁有全套語音類知識產權的公司。在語音識別、語音合成、語義理解、聲紋識別、對話管理、音頻分析等方面均有深厚技術積累。

目前思必馳把語音相關技術整合成 AIOS人機對話操作系統，作為安卓系統之上的一層標準接口，提供給硬件合作伙伴。針對不同場景，AIOS 又分成了 For Car，For Home，For Robot 等版本，針對車載、家居、機器人等產品做垂直領域下的對話式交互。在15年年底，思必馳還獲得了新一輪近2億人民幣的投資。

出門問問

2012年成立，至今已累計融資7500萬美金。現有投資方包括紅杉資本、真格基金，SIG海納亞洲、圓美光電、及歌爾聲學，最近還拿了Google投資的C輪融資。

出門問問基于語音識別、語義識別、垂直搜索引擎、語音合成以及智能推送幾項自主研發的核心技術，已推出了不少產品。有Ticwear（語音操控的可穿戴 設備）、魔法小問（語音操控，提供各類生活服務）、開車問問（智能語音車載APP）以及出門問問智能語音助手，語音識別比較紅火的幾個應用場景基本都有鋪路。

云知聲

云知聲成立于2012年，主要團隊來自于盛大研究院。語音識別技術更多源自于中科院自動化所。其語音識別技術有一定的獨到之處，有一小段時期內語音識別率甚至超越科大訊飛。因此也受到了資本的熱捧，B輪融資達到3億人民幣，主要瞄準智能家居市場，現在也有智能車載解決方案。

哦啦語音

哦啦語音于2013年初成立，是威盛電子內部孵化的創業項目。擁有在中文自然語言理解、語音識別、語音控制和語音交互系統等方面的 20 多項自主專利。目前已應用在智能家居、智能車載、可穿戴設備、語義和交互API服務、智能會議系統、手機語音助手幾個方面。他們家最大的特色，是對于中文語義的理解，針對用戶各種問題可以給出生動、活潑、幽默、精確的回答。

耀途資本是國內領先的中國-以色列跨境投資機構，合伙人團隊擁有豐富的高科技產業和風險投資行業經驗，耀途資本主要投資消費升級（中國）與中以技術創新（物聯網、人工智能、企業級服務-金融科技+網絡安全）領域PreA和A輪的優秀創業公司，基于行業深度研究與精準狙擊，同時擁有廣泛且深度的產業合作生態圈。

耀途資本管理兩期人民幣基金及一期美元基金，公司及基金股東包括高榕資本，大眾點評聯合創始人團隊，中茵股份等6家A股上市公司高管團隊，耀途資本I期基金超過50%的投資組合獲得包括阿里巴巴，HTC,萬得資訊，達晨創投、華映資本、盛大網絡、水晶光電等一線投資機構及產業資本的后續投資。

文章來源：前沿技術研究

耀途之旅是耀途資本旗下專注于技術創新的產業分享與交流平臺，也是針對以色列高科技行業進行深度行業調研考察活動的組織者，通過極具深度的產業，文化，歷史等行程安排，幫助中國具有轉型需求的企業家拓展全球視野，洞悉全球創新風口以及資本運作趨勢，專注于智能硬件與物聯網，人工智能，企業級服務（包括互聯網金融Fintech以及網絡安全）等行業，每年超過200位包括上市公司董事長及高管在內的企業家群體加入耀途之旅。

歡迎加入耀途之旅，共享國內最頂級的企業家圈層，打造最前沿的終生學習交流平臺。

加入方式：

關注耀途會微信公眾號，后臺回復【真實姓名-機構-職位-聯系方式】