（文章來源：百家號）

一份來自大西洋彼岸的報告成為很多人關(guān)注的焦點。這份由美國知名投資機(jī)構(gòu)Mangrove Capital Partners發(fā)布的《2019年語音技術(shù)報告》（以下簡稱報告）指出：2025年語音經(jīng)濟(jì)規(guī)模或?qū)⑦_(dá)1萬億美元，正式超過移動應(yīng)用經(jīng)濟(jì)。

過去幾年，谷歌、微軟、亞馬遜、百度等全球科技巨頭紛紛押注語音賽道，投影在人們面前的是接踵而至的明星語音產(chǎn)品——Echo智能音箱、Siri智能語音助手、Google Assistant谷歌語音助手、Cortana（微軟小娜）人工智能助理、Alexa語音識別引擎、百度小度助手（DuerOS）。

一個明顯的感覺是，語音識別正在成為人類與互聯(lián)網(wǎng)溝通的新主流方式。但熱火朝天、寸土必爭的搶跑下注背后，人們不禁會想到那個柏拉圖式的問題：智能語音到底是什么？它從哪來？又要到哪去？從歷史中不難找到關(guān)于語音技術(shù)的“蛛絲馬跡”。

早在80年前，首個能夠合成語音的機(jī)器誕生于美國新澤西州茉莉山上的貝爾實驗室，如果把語音技術(shù)的發(fā)展看成一條射線，那么這個被譽為世界上最偉大的實驗室可以看作是它的起點。兩年后的1954年，藍(lán)色“巨人” IBM與喬治城語言學(xué)家合作成功研制出一臺能夠把60句俄語話翻譯成英語的機(jī)器。而在不久后，第一個基于計算機(jī)的語音合成系統(tǒng)面世，語音技術(shù)就此開始被疊加著與日俱增的想象。

人類最不缺乏兩種能力，一種是想象力，另一種是創(chuàng)造力。但即使用幾十年后的今天來看當(dāng)時，也很難預(yù)測出語音技術(shù)的發(fā)展軌跡。當(dāng)然，更難想到的是，這將成了一個全球的角斗場。對于智能語音技術(shù)，坊間有一個頗為形象的比喻——遙控中樞。在一切都趨向具像化的如今，語音自然成了下一個產(chǎn)品形態(tài)的“摩斯密碼”。誰能制定密碼規(guī)則，誰就能掌控全局。

縱觀當(dāng)下世界智能語音交互市場的幾大主要玩家，百度從2010年開始做語音技術(shù)，如今已近十年；美國的亞馬遜Alexa花了二十二年；即便是誕生最晚的谷歌Google Assistant也有著近十余年的數(shù)據(jù)沉淀。騏驥千里非一日之功。掩藏在如今頗具智能化的Siri、谷歌助理、微軟小娜以及百度小度背后的是這個行業(yè)高筑的技術(shù)護(hù)城河。

今年年初，百度公布了語音領(lǐng)域的四項重大技術(shù)突破，其中，在線語音領(lǐng)域全球首創(chuàng)的流式多級的截斷注意力模型（SMLTA，全稱為「Streaming trancated multi-layer attenTIon」），被業(yè)界人士將該項技術(shù)突破評價為技術(shù)領(lǐng)域的“登月計劃”。

去年公布的第二十屆中國專利評審結(jié)果中，百度的語音、機(jī)器翻譯、無人車相關(guān)三項專利獲獎，成為人工智能領(lǐng)域至今為止在國內(nèi)專利界獲得的最高級別政府獎項。在此之中，“語音專利”涉及的新語音識別模型——采用深度學(xué)習(xí)算法在24時內(nèi)對數(shù)以百億級的大規(guī)模數(shù)據(jù)進(jìn)行實時分析，高性能計算，令語音識別技術(shù)的準(zhǔn)確率達(dá)97%，解決了語音識別領(lǐng)域關(guān)鍵性、共性的技術(shù)難題，被MIT 評為“2016年全球十大突破技術(shù)”。

在AI開發(fā)者大會上，百度還推出了針對遠(yuǎn)場語音交互的鴻鵠芯片，可以實現(xiàn)遠(yuǎn)場陣列信號實時處理，高精度超低誤報語音喚醒以及離線語音識別。另一邊，百度旗下的明星產(chǎn)品小度智能音箱在今年第一季度更是達(dá)到了330萬臺的超高出貨量，位居中國市場榜首。顯然，百度正在建立從硬件底層芯片、到上層的智能硬件系統(tǒng)，再到系統(tǒng)軟件，語音客戶端，語音服務(wù)器及后端交互一體化的全鏈路語音交互技術(shù)。

可以肯定的是，下一個十年，語音技術(shù)將成為新的決定性主題。