一則榮威車主“調(diào)戲”iVoka的視頻在網(wǎng)上流傳甚廣——iVoka是榮威350上裝配的語音云駕駛系統(tǒng)——當(dāng)車主對(duì)著iVoka說“我愛你”的時(shí)候，iVoka不無醋意地表示“這句話你也對(duì)Siri說過吧”，車主只好無奈認(rèn)栽。

事實(shí)上，對(duì)于iVoka這種全新的智能語音人機(jī)交互裝置，逗趣嘮嗑只是其“副業(yè)”，連接豆瓣點(diǎn)播音樂、查天氣、查股票、查航班、查實(shí)時(shí)新聞資訊等等，才是它的正經(jīng)功能——在這一應(yīng)用背后，是一家叫科大訊飛的公司所提供的語音技術(shù)。

2012年3月22日，北京國家會(huì)議中心，科大訊飛“新一代語音云平臺(tái)”發(fā)布會(huì)現(xiàn)場(chǎng)?？拼笥嶏wCEO劉慶峰拿出一部智能手機(jī)，開始演示公司開發(fā)的新應(yīng)用“訊飛語點(diǎn)”。他用自己的聲音命令手機(jī)發(fā)短信、安排日程、查找餐館，還不忘調(diào)侃手機(jī)：“你能做什么”？手機(jī)回答道：“我正在反思自己的不足?！爆F(xiàn)場(chǎng)立刻笑聲一片。

一切都像極了當(dāng)年由喬布斯掌控的蘋果產(chǎn)品發(fā)布會(huì)現(xiàn)場(chǎng)。

蘋果公司的Siri大熱，將語音技術(shù)的消費(fèi)應(yīng)用提到了日程上，各行各業(yè)都在挖掘自己和語音的結(jié)合點(diǎn)；而像科大訊飛這樣的語音技術(shù)提供商則希望在更廣泛的消費(fèi)應(yīng)用方面和不同的開發(fā)商合作，找到更廣闊的天地。

移動(dòng)引爆語音

人們對(duì)下一代語音交互方式的美好暢想，從來就沒有停止過。不過，在很長(zhǎng)一段時(shí)間內(nèi)，語音技術(shù)被看成是雞肋：棄之可惜，食之無味。微軟、谷歌、IBM，這些世界級(jí)的IT巨頭，一直在語音技術(shù)商用方面努力探索。然而，前景雖然很美好，語音技術(shù)卻始終無法實(shí)現(xiàn)大規(guī)模民用。

“我當(dāng)年在微軟工作的時(shí)候，曾聽到比爾·蓋茨說: ‘語音技術(shù)在5年后將改變世界?！?年之后，我又聽到他說了一次；到了第三個(gè)5年，比爾·蓋茨有一次提起語音，他說：‘這話我過去說了兩次。’”創(chuàng)新工場(chǎng)CEO李開復(fù)所講述的這件往事，折射出語音技術(shù)當(dāng)時(shí)所面臨的尷尬前景。

而前谷歌中國的高級(jí)研究員、《浪潮之巔》的作者吳軍最近在微博里調(diào)侃道：“語音識(shí)別（在產(chǎn)品上）忽悠人從上世紀(jì)90年代開始，大約每10年一個(gè)周期，最后的結(jié)果相同，就是大家發(fā)現(xiàn)這是個(gè)玩具，而不是工具……如此反復(fù)。不過我相信最后有一次不再是忽悠人，但是不是現(xiàn)在這一次？”

至少，在撲面而來的移動(dòng)互聯(lián)網(wǎng)和云計(jì)算大潮中，想象從來沒有像這一次這么像真的：決定語音識(shí)別技術(shù)精確度的關(guān)鍵性因素在于語料庫的豐富程度。

在過去，語料庫的建立，主要是通過人工采集聲音信號(hào)來完成，需要花費(fèi)大量的時(shí)間和精力，語料庫的增量非常有限，這也意味著語音技術(shù)的精確度提升速度非常低。而在移動(dòng)互聯(lián)網(wǎng)時(shí)代，語音交互的終端和應(yīng)用在不斷涌現(xiàn)；另一方面，云計(jì)算能夠處理比以往更海量的用戶語音交互數(shù)據(jù)，云端的服務(wù)器能夠不斷收集、處理這些數(shù)據(jù)，在不斷反饋訓(xùn)練中持續(xù)進(jìn)化語音理解能力。

并且，隨著移動(dòng)用戶和多種移動(dòng)終端的爆發(fā)式增長(zhǎng)，人們對(duì)語音應(yīng)用的需求前所未有的強(qiáng)烈：移動(dòng)終端設(shè)備鍵盤與屏幕尺寸小，用手指輸入并不方便，尤其是在移動(dòng)的應(yīng)用場(chǎng)景中，眼忙手忙，語音輸入作為信息交互最自然、便捷的手段，更能發(fā)揮它先天性的作用。

而蘋果公司所推出的Siri功能在全球所引發(fā)的瘋狂，則成為語音技術(shù)在移動(dòng)互聯(lián)網(wǎng)上被引爆的直接導(dǎo)火索，也讓一直苦于找不到語音賣點(diǎn)的廠商茅塞頓開。蘋果的高明之處，在于將Siri的語音技術(shù)與蘋果封閉系統(tǒng)內(nèi)的各行各業(yè)的信息服務(wù)、應(yīng)用進(jìn)行了無縫的對(duì)接，并且整合了三大數(shù)據(jù)庫：Yelp、維基百科、Wolfram Alpha，這就意味著Siri不僅僅是一個(gè)被人“調(diào)戲”的玩具，而是在某種程度上可以幫人們解決實(shí)際問題：查找餐館、地圖、翻譯……

盡管在目前看來，Siri的實(shí)用性依然有限，但隨著用戶越來越多，建立的語料數(shù)據(jù)庫就越豐富，就越能通過數(shù)據(jù)的不斷糾正變得越來越“聰明”，這就有了“人工智能”的意味。

在這個(gè)橫跨手機(jī)、平板電腦、汽車、電視、 導(dǎo)航設(shè)備、音樂播放器、個(gè)人電腦等領(lǐng)域的絕大市場(chǎng)商機(jī)面前，谷歌、微軟等國際巨頭都加快了將語音技術(shù)向消費(fèi)級(jí)市場(chǎng)商用的腳步：谷歌計(jì)劃今年上半年發(fā)布平板電腦Google Nexus，并將搭載Majel網(wǎng)絡(luò)語音識(shí)別技術(shù)；而微軟于2007年收購語音技術(shù)公司TellMe之后，計(jì)劃今年將TellMe技術(shù)用于Windows 8及下一代Windows Phone系統(tǒng)中；此外，國際語音巨頭Nuance已經(jīng)將語音生意做到了全球，且來勢(shì)兇猛：今年1月份，Nuance收購了競(jìng)爭(zhēng)對(duì)手 Vlingo，期望整合雙方各自的技術(shù)優(yōu)勢(shì)，在全球迅速膨脹的移動(dòng)語音消費(fèi)市場(chǎng)，瓜分更大的蛋糕。

平臺(tái)機(jī)會(huì)

隨著Siri在全球的大熱，人們不禁紛紛發(fā)出這樣的疑問：誰是中國的下一個(gè)Siri？作為國內(nèi)最大的智能語音技術(shù)提供商，原本低調(diào)隱匿在背后的科大訊飛就這樣站在了舞臺(tái)的正中央。

在過去，科大訊飛的生意模式更多的是面向B2B市場(chǎng)，主要為電信、金融、教育等企業(yè)和各種行業(yè)提供語音支撐軟件或語音應(yīng)用系統(tǒng)。盡管也推出了諸如“訊飛口訊”這樣的消費(fèi)層面的應(yīng)用，但始終是扮演著技術(shù)提供商的角色，其業(yè)務(wù)增長(zhǎng)穩(wěn)健而緩慢?！罢{(diào)戲Siri和Siri的人工智能其實(shí)只是目前語音相對(duì)簡(jiǎn)單的部分，我們之前做得不夠好的地方可能是，我們一直重視產(chǎn)品本身在技術(shù)層面的不斷精進(jìn)，卻忽視了這些有趣的東西可以給消費(fèi)者帶來更多的樂趣?！?科大訊飛信息科技股份有限公司研究院執(zhí)行院長(zhǎng)胡郁表示。

當(dāng)Siri推出不久之后，科大訊飛迅速判斷出語音在移動(dòng)消費(fèi)級(jí)應(yīng)用上的市場(chǎng)價(jià)值，曾經(jīng)與蘋果公司進(jìn)行過接洽，希望與之合作，開發(fā)中文版的Siri。不過，卻遭到了蘋果的拒絕?！疤O果太傲慢了，我們也不會(huì)接受?！笨拼笥嶏w副總裁江濤說。

在這種情況下，應(yīng)對(duì)國際巨頭最好的辦法，就是將自己的語音技術(shù)、數(shù)據(jù)庫和語音云計(jì)算能力開放出去，做“語音云”平臺(tái)服務(wù)。江濤將這比喻成一場(chǎng)應(yīng)對(duì)國際語音巨頭的“人民戰(zhàn)爭(zhēng)”?！拔覀儾皇枪萝妸^戰(zhàn)，而是把平臺(tái)開放出去，讓有激情、有智慧的創(chuàng)業(yè)者，還有產(chǎn)業(yè)鏈的合作伙伴更好的應(yīng)用。我相信一定會(huì)比一個(gè)封閉系統(tǒng)能提供的東西更加豐富?！?他說。他將科大訊飛角色描述成“移動(dòng)互聯(lián)網(wǎng)時(shí)代能力的基礎(chǔ)設(shè)備”，也就是為各種各樣的移動(dòng)互聯(lián)設(shè)備提供交互的能力。

顯然，一旦語音真正成為下一代人機(jī)交互核心手段，當(dāng)各種各樣的語音應(yīng)用百花齊放之時(shí)，作為平臺(tái)級(jí)公司的價(jià)值，肯定比提供單個(gè)語音應(yīng)用的公司，在產(chǎn)業(yè)鏈上的話語權(quán)更為強(qiáng)勢(shì)。

事實(shí)上，這家公司在最近短短的一年時(shí)間內(nèi)，發(fā)展速度突飛猛進(jìn)：在2010年科大訊飛首次提出要做“語音云開放平臺(tái)”之時(shí)，由于當(dāng)時(shí)移動(dòng)互聯(lián)網(wǎng)市場(chǎng)還沒有呈現(xiàn)爆發(fā)式增長(zhǎng)，Siri還不太為人所知，用戶對(duì)語音應(yīng)用的需求遠(yuǎn)不如現(xiàn)在強(qiáng)烈，當(dāng)時(shí)業(yè)內(nèi)反響并不是很大。到2011年6月以前，科大訊飛語音云平臺(tái)上的用戶規(guī)模一直沒有超過100萬，然而，這一數(shù)據(jù)在Siri發(fā)布之后的2011年下半年，迅速飆升到1000萬，而從1000萬到現(xiàn)在的3300萬，只用了3個(gè)月。

而平臺(tái)級(jí)公司的出現(xiàn)，對(duì)于整個(gè)語音產(chǎn)業(yè)大規(guī)模商用所做的推進(jìn)，也不言而喻。在李開復(fù)看來，過去一直困擾語音技術(shù)大規(guī)模商用的瓶頸之一，在于缺乏豐富的語音應(yīng)用。“一小批語音專家拍腦袋來找應(yīng)用不是辦法，而訊飛語音平臺(tái)的推出，意味著幾千、甚至幾十萬位開發(fā)者都來試一試，盡管成功的幾率少，但是摸索到成功應(yīng)用的概率會(huì)增加?！崩铋_復(fù)說。

語音生態(tài)圈

生于1986年的李傳峰是智能360的聯(lián)合創(chuàng)始人之一。李傳峰的夢(mèng)想，是站在像科大訊飛這樣的“巨人的肩膀”上，開發(fā)出跟蘋果Siri一樣牛的中文版的“Siri”。

智能360是去年11月份在安卓平臺(tái)上線的一款類Siri的中文應(yīng)用。盡管看起來略顯“山寨”，但這款應(yīng)用目前頗受歡迎，已經(jīng)獲得了150萬的用戶。智能360采用了科大訊飛所開放的“語音識(shí)別”和“語音合成”技術(shù)，也就是采用了將用戶聲音輸入轉(zhuǎn)化成文字，以及將文字輸出成語音這兩種技術(shù)。

而智能360的“自然語言處理部分”的技術(shù)，也就是將文字進(jìn)行理解，轉(zhuǎn)化成各種指令，與底層的各種應(yīng)用進(jìn)行對(duì)接并執(zhí)行的部分，是由自己的團(tuán)隊(duì)開發(fā)的。而國內(nèi)另一款由貴州大學(xué)的大學(xué)生團(tuán)隊(duì)iTiTa開發(fā)的 Airi，采用的也是科大訊飛的語音引擎。

“瓦力短信”是一款幫助用戶實(shí)現(xiàn)個(gè)性化短信功能的應(yīng)用。去年11月，瓦力短信新發(fā)布的 Android 3.0版首次采用了科大訊飛的語音技術(shù)，讓用戶能夠?qū)⒙曇艮D(zhuǎn)化成短信，下載量很快就翻了一番。

對(duì)于小型語音創(chuàng)業(yè)團(tuán)隊(duì)來說，現(xiàn)在是最好的時(shí)代。原因就在于各種資源的“開放”。一方面，谷歌、Nuance、科大訊飛這樣的大公司已經(jīng)或即將開放自己的語音接口，幫助開發(fā)者解決語音平臺(tái)海量數(shù)據(jù)庫和技術(shù)方面的門檻；另一方面，在應(yīng)用層面，像百度百科、大眾點(diǎn)評(píng)這樣的平臺(tái)，也樂于向開發(fā)者開放自己的信息服務(wù)和各種數(shù)據(jù)。“我們需要做的，就是將各種資源整合過來，我們是站在巨人的肩膀上去做事情?！崩顐鞣逭f。

除了像智能360這樣的將語音作為“品牌”的應(yīng)用，一些大公司則選擇將語音技術(shù)作為應(yīng)用中的插件，在不同的情境下，為用戶提供更為便捷的選擇。比如，新浪微博、搜狐微博、UC瀏覽器、大眾點(diǎn)評(píng)等應(yīng)用目前都已經(jīng)采用了科大訊飛的語音技術(shù)，推出了語音的插件功能。

不過，盡管有如此多的大公司也參與了語音應(yīng)用，在科大訊飛目前所擁有的3300萬用戶中，真正活躍的用戶有多少，依然是一個(gè)疑問。一個(gè)比較典型的案例就是：盡管新浪、搜狐等都推出了語音發(fā)微博的功能，但用戶的使用習(xí)慣并沒有被真正“挑逗”起來。

如果不能真正吸納到大量有價(jià)值的活躍用戶，開發(fā)者就摸索不到清晰的商業(yè)模式，而如果開發(fā)者掙不到錢，科大訊飛也自然不能從中盈利，這就意味著整個(gè)生態(tài)圈不能真正繁榮起來。另一方面，如果沒有來自用戶的大量語音交互， 基于語音云平臺(tái)的持續(xù)的語義理解進(jìn)化能力也就是空談。而“智能化”正是語音技術(shù)的終極目標(biāo)。

也許是意識(shí)到了首先要培養(yǎng)用戶使用語音的習(xí)慣，科大訊飛自己也率先推出了一系列消費(fèi)類的示范應(yīng)用，如訊飛口訊、訊飛輸入法、訊飛語點(diǎn)等等?！爸悄苷Z音交互的用戶使用習(xí)慣培養(yǎng)需要一個(gè)過程，尤其是東方人往往比較羞澀，不像西方人有使用電話應(yīng)答機(jī)的習(xí)慣，訊飛語點(diǎn)定位是新一代語音云的示范應(yīng)用，我們希望通過訊飛語點(diǎn)能夠培養(yǎng)用戶使用語音交互的習(xí)慣?！苯瓭f。

事實(shí)上，語音微博之所以叫好不叫座，除了用戶使用習(xí)慣方面的障礙，語音作為一種私密度高、解碼、收聽成本高的信息載體，并不適合微博這種媒體形式的傳播，這就決定了語音微博只能是特殊場(chǎng)合、特殊人群使用的形式。這給開發(fā)者所帶來的啟示就是：對(duì)于自己開發(fā)的語音應(yīng)用究竟能給用戶解決什么問題，要有清晰的認(rèn)識(shí)，而不能為“語音”而“語音”。

正因?yàn)橛H歷了語音技術(shù)長(zhǎng)達(dá)30年的波折起伏，李開復(fù)反而對(duì)于語音應(yīng)用始終持有一種“謹(jǐn)慎樂觀”的態(tài)度。他提醒廣大開發(fā)者如果要在應(yīng)用中整合語音，一定要想清楚。在創(chuàng)新工場(chǎng)的47個(gè)投資項(xiàng)目中，有五六家是適合用到語音的，但他給項(xiàng)目負(fù)責(zé)人的建議卻是：要用語音是一個(gè)重大決定，要么不做，要做就要做到自然、驚艷。

“因?yàn)檎Z音API和應(yīng)用接口的整體優(yōu)化是有難度?！崩铋_復(fù)說。他所指的難度主要集中在“語義理解”這種相對(duì)偏智能的語音技術(shù)層面，而語音識(shí)別和語音合成這種相對(duì)淺層次的技術(shù)與應(yīng)用API的對(duì)接難度更小。因此，李開復(fù)的建議是，開發(fā)者更應(yīng)該將目光瞄準(zhǔn)那些“深語音，淺語義”的應(yīng)用。

對(duì)于科大訊飛本身來說，要扮演好平臺(tái)的角色，最重要的并非技術(shù)挑戰(zhàn)，而是角色的轉(zhuǎn)換：如何從一家面向B2B市場(chǎng)的軟件提供商，成功轉(zhuǎn)型成為一家移動(dòng)互聯(lián)網(wǎng)平臺(tái)公司？作為互聯(lián)網(wǎng)平臺(tái)公司，更重要的是如何打造繁榮的生態(tài)圈，打造品牌，圈住用戶，幫助開發(fā)者做好營銷和服務(wù)，幫助它們尋找到清晰的商業(yè)模式；并明確自身定位，不能即作“裁判”又做“選手”，給開發(fā)者帶來安全感。軟件提供商的那一套打法，在移動(dòng)互聯(lián)網(wǎng)上并不適用。好在，目前的科大訊飛有了一個(gè)看上去不錯(cuò)的開始。

（本刊記者葉麗雅對(duì)此文亦有貢獻(xiàn)）