語音識(shí)別技術(shù)并不是一項(xiàng)新興的技術(shù)，并且技術(shù)門檻也不算太高。在需求巨大的智能家居市場(chǎng)語音識(shí)別能否代替智能手機(jī)成為另一大入口？全球范圍內(nèi)哪些廠商在布局語音識(shí)別技術(shù)，語音是識(shí)別的技術(shù)原理和難點(diǎn)又在哪？

　　物聯(lián)網(wǎng)市場(chǎng)潛力巨大應(yīng)用眾多，在繁多的應(yīng)用中智能家居或許能優(yōu)先落地。不過，除了物聯(lián)網(wǎng)標(biāo)準(zhǔn)和觀念阻礙智能家居的發(fā)展，手機(jī)作為目前首要的入口也大大影響了體驗(yàn)。語音識(shí)別并不是一項(xiàng)新興的技術(shù)，但在智能家居甚至人工智能領(lǐng)域或許能大展身手。

　　物聯(lián)網(wǎng)與智能家居市場(chǎng)潛力可期

　　市場(chǎng)研究咨詢公司Gartner預(yù)測(cè)，2020年全球物聯(lián)網(wǎng)終端設(shè)備的出貨量將達(dá)到66億，而物聯(lián)網(wǎng)設(shè)備數(shù)量總數(shù)將達(dá)到208億，花費(fèi)在物聯(lián)網(wǎng)上的總支出將達(dá)到約2420億美元。

　　Gartner同時(shí)預(yù)測(cè)，2017年以后智能家居將成為物聯(lián)網(wǎng)最大的用戶。有機(jī)構(gòu)預(yù)測(cè)2016年中國(guó)智能家居市場(chǎng)規(guī)模增速將達(dá)到50.1% ，并保持這一增速，到2018年中國(guó)智能家居市場(chǎng)規(guī)模將達(dá)到1396億元，市場(chǎng)規(guī)模約占全球總規(guī)模的32%，2020年中國(guó)智能家居市場(chǎng)規(guī)模將達(dá)到3000多億元。全球TOP100電信運(yùn)營(yíng)商中已有60%計(jì)劃進(jìn)軍智能家居市場(chǎng)更讓我們有理由相信智能家居將會(huì)成為最先落地的物聯(lián)網(wǎng)應(yīng)用。

　　智能家居入口單一

　　無論是在正式還是非正式場(chǎng)合，談起智能家居總能聽到手機(jī)作為唯一入口的抱怨。舉個(gè)簡(jiǎn)單的例子，當(dāng)你安裝了智能燈具，但你想要打開或調(diào)整還要先找到手機(jī)打開APP。這時(shí)候可能很多人會(huì)選擇直接用開關(guān)解決問題而非使用手機(jī)。

　　智能家居的愿景很好，但目前的體驗(yàn)確實(shí)還有很大的提升空間。關(guān)于手機(jī)作為智能家居的唯一入口的問題，艾拉物聯(lián)的聯(lián)合創(chuàng)始人、大中華區(qū)總裁Phillip張南雄就表示：“手機(jī)可能不是智能家居甚至物聯(lián)網(wǎng)的唯一入口，語音識(shí)別是一個(gè)很大的入口。”美的智慧總經(jīng)理李強(qiáng)也表示，手機(jī)作為智能家居唯一入口的局面將被改變。

　　語音識(shí)別成為爭(zhēng)奪焦點(diǎn)

　　據(jù)悉，全球范圍人工智能公司多專攻深度學(xué)習(xí)方向，而我國(guó)人工智能方向的200家左右的創(chuàng)業(yè)公司有超過70%的公司主攻圖像或語音識(shí)別這兩個(gè)分類。全球都有哪些公司在布局語音識(shí)別？他們的發(fā)展情況又如何？

　　其實(shí)，早在計(jì)算機(jī)發(fā)明之前，自動(dòng)語音識(shí)別的設(shè)想就已經(jīng)被提上了議事日程，早期的聲碼器可被視作語音識(shí)別及合成的雛形。最早的基于電子計(jì)算機(jī)的語音識(shí)別系統(tǒng)是由AT&T貝爾實(shí)驗(yàn)室開發(fā)的Audrey語音識(shí)別系統(tǒng)，它能夠識(shí)別10個(gè)英文數(shù)字。到1950年代末，倫敦學(xué)院（Colledge of London）的Denes已經(jīng)將語法概率加入語音識(shí)別中。

　　1960年代，人工神經(jīng)網(wǎng)絡(luò)被引入了語音識(shí)別。這一時(shí)代的兩大突破是線性預(yù)測(cè)編碼Linear PredicTIve Coding （LPC），及動(dòng)態(tài)時(shí)間規(guī)整Dynamic TIme Warp技術(shù)。語音識(shí)別技術(shù)最重大的突破是隱含馬爾科夫模型Hidden Markov Model的應(yīng)用。從Baum提出相關(guān)數(shù)學(xué)推理，經(jīng)過Rabiner等人的研究，卡內(nèi)基梅隆大學(xué)的李開復(fù)最終實(shí)現(xiàn)了第一個(gè)基于隱馬爾科夫模型的大詞匯量語音識(shí)別系統(tǒng)Sphinx。

　　蘋果Siri

　　許多人認(rèn)識(shí)語音識(shí)別可能還得歸功于蘋果鼎鼎大名的語音助手Siri。2011年蘋果將語音識(shí)別技術(shù)融入到iPhone 4S中并發(fā)布了Siri語音助理，不過Siri并不是蘋果研發(fā)的技術(shù)，而是收購(gòu)成立于2007年的Siri Inc.這家公司獲得的技術(shù)。在iPhone4s發(fā)布以后，Siri的體驗(yàn)并不理想，遭到了吐槽。因此，2013年蘋果又收購(gòu)了Novauris Technologies。Novauris是一種可識(shí)別整個(gè)短語的語音識(shí)別技術(shù)，這種技術(shù)并非簡(jiǎn)單識(shí)別單個(gè)詞句，而是試圖利用超過2.45億個(gè)短語的識(shí)別輔助理解上下文，這讓Siri的功能進(jìn)一步完善。

　　不過Siri并沒有因?yàn)槭召?gòu)Novauris變得完美，2016年蘋果又收購(gòu)了開發(fā)的人工智能軟件，能夠幫助計(jì)算機(jī)與用戶進(jìn)行更為自然的對(duì)話英國(guó)語音技術(shù)初創(chuàng)公司VocalIQ。隨后，蘋果還收購(gòu)了美國(guó)圣地牙哥 AI 技術(shù)公司 EmoTIent，接收其臉部表情分析與情緒辨別技術(shù)。據(jù)悉，EmoTIent開發(fā)的情緒引擎可讀取人們的面部表情并且預(yù)測(cè)其情緒狀態(tài)。