轻科普|揭开语音识别技术神秘面纱 让机器听懂你的声音

在人工智能快速发展的今天，语音识别技术取得了一系列突破性的进展，苹果、微软、谷歌、百度、科大讯飞等各大科技巨头纷纷涉足语音识别领域，布局大量人力、物力进行技术研发，以语音识别技术为基础的人机交互产品渐渐走入大众生活，人与机器用自然语言进行无障碍交流对话的梦想逐渐成为现实。

语音识别 拐点已至？

语音识别技术，也被称为自动语音识别（Automatic Speech Recognition），它以语音为研究对象，目标是将人类的声音信号转化为文字或者指令，让机器自动识别和理解人类语言，以此实现语音对机器的智能操控。

语音识别研究涉及人工智能、信号处理、模式识别、声学、语言学和认知科学等诸多学科领域，具有多学科综合性的研究属性。

自上世纪五十年代开始兴起后，语音识别依托云计算、存储资源和大数据获得了越来越广泛的应用，智能家居、智能可穿戴设备、无人车、移动医疗……看似高大上的实验室技术正逐步应用于市场，改变着我们的生产和生活。

有着“互联网女皇”之称的摩根斯坦利分析师玛丽·米克尔在2017年度《互联网趋势报告》中谈及“语音”的次数极高，并且玛丽·米克尔极为看好语音市场。她以Amazon的Echo为例，指出“语音正在被重塑，成为人机交互的新范式，在过去75年里，每10年就有一次人机交互的重大革新，人类对机器的操作，从物理手柄按键，到物理键盘鼠标，再到触摸屏，而现在语音成为了重要的交互方式。”

米克尔表示，人们越来越多地使用亚马逊Alexa、苹果Siri和谷歌助手等语音助手。并且她摆出一组数据：2016年20%的移动搜索是通过语音完成的！

中科院自动化所研究员、博士生导师刘文举老师认为，语音识别的最大技术难点是远场语音识别。远场语音识别是近场语音识别技术难以解决的，因为在远场会出现噪音、混响、回声等多种复杂的情况，必须要有一个特定的算法来解决。如果这个难点获得解决，那么语音识别的应用的场景就会更多。

语音识别在市场中还处于初期阶段，目前还没有培养出用户的依赖习惯，所以语音识别还有巨大的发展潜力。语音识别技术，或成为人工智能领域下一个风口。

扒一扒智能语音识别产品有哪些？

苹果Siri

提到语音识别，大家首先想到的应该就是苹果的Siri了。2010年，苹果收购Siri Inc.并将该其技术应用于iPhone 4S，正式推出Siri语音助手。然而Siri问世后受到了诸多吐槽，交互感太差。随后苹果收购语音识别公司Novauris Technologies，Novauris基于超过2.45亿个短语数据库可识别整个短语、辅助理解上下文，使得Siri功能进一步完善。近几年，苹果又收购了美国圣地牙哥AI技术公司Emotient，开发脸部表情分析与情绪识别技术，希望Siri可通过读取人们的面部表情预测其情绪状态，这一技术值得期待。当然，Siri现有的功能要满足人们实际的应用需求还有很长的路要走。

微软Skype、Cortana、小冰

2015年，微软发布Skype Translator中文版，可实现英语、西班牙语、汉语、意大利语实时互译。

“嗨，我是微软小娜。从电脑到手机，你随时随地的个人助理。”

Cortana小娜是微软在人工智能领域的新尝试，基于机器深度学习读取大量数据，小娜可实时记录用户习惯和行为轨迹，识别用户信息，获得理解自然语言的能力，从而实现人机交互。并且，小娜的声音十分逼真似真人。

今年八月份，微软发布第五代小冰，较前几代增加了情感识别功能，微软希望小冰不仅有智商，更要有情商。除了基本的智能对话、百科、天气、交通、餐饮等实用功能外，第五代小冰增加了主动拨打用户电话功能，可以主动与人类进行语音交互。目前小冰已经可以拨通电信、移动和联通运营商的电话，9月6日起开放人工智能电话的预约，平台包括微博、京东、Windows10、优酷、微信等。微软全球执行副总裁沈向洋在发布会上表示，人工智能会颠覆一切。

科大讯飞

在国内，提到语音识别必定绕不过科大讯飞。科大讯飞成立于1999年，虽然它是一家企业，但其背靠中国科学院大学，又有国家大力扶持，2008年便在中小企业板上市，并且占据一半以上的市场份额。科大讯飞标榜其为以语音交互为核心的人工智能开放平台，其最具前瞻性的是收购了多家语音评测公司，进而垄断教育市场，独霸口语测评考试鳌头。除此之外，它还有一款办公神器——讯飞听见，语音识别与转写高效、准确。

百度语音

百度在语音识别技术方面引入注目的是，在2014年请来人工智能领域泰斗级人物吴恩达坐镇，依靠庞大的资金支持组建团队，大力研发语音识别相关技术。其实在2010年百度就以部署团队进行研发，并且与中科院声学所合作，但是效果并不理想。幸而14年转型，虽然比不上科大讯飞，但也逐渐吞并部分市场份额。