作為物聯(lián)網(wǎng)人工智能的入口，智能語音產(chǎn)品已成為全世界最有錢的科技巨頭們的必爭之地

  近日， GfK全國零售監(jiān)測數(shù)據(jù)顯示：在剛剛過去的8月份，中國智能音箱出貨量45萬部，盡管已經(jīng)超過2017同期一個季度的銷量，但第三季度國內(nèi)智能音箱市場呈現(xiàn)下跌。而據(jù)GFK預(yù)測，第四季度智能音箱將伴隨“國慶”“雙十一”“雙十二”等節(jié)日促銷而爆發(fā)，最終實現(xiàn)全年900萬部的出貨量，是去年的6倍。

    作為物聯(lián)網(wǎng)人工智能的入口，智能語音產(chǎn)品已成為全世界最有錢的科技巨頭們的必爭之地。據(jù)中國語音產(chǎn)業(yè)聯(lián)盟數(shù)據(jù)顯示，目前全球智能運營市場規(guī)模已達(dá)到105億美元。隨著個人及家庭用戶的多場景支持，各領(lǐng)域應(yīng)用帶動下的智能語音產(chǎn)業(yè)規(guī)模持續(xù)快速增長，預(yù)計2018年全球智能語音市場規(guī)模將超過140億美元

    據(jù)聲加科技創(chuàng)始人兼CEO邱鋒海介紹，在萬物互聯(lián)的今天，信息交互工具經(jīng)歷了物理手柄按鍵到鍵盤鼠標(biāo)，到觸摸屏，再到麥克風(fēng)等語音設(shè)備的發(fā)展，終于將人類最簡單自然的交流方式——聽和說，隨處可見地應(yīng)用到了日常工作和生活中。目前隨著深度學(xué)習(xí)的引入以及在此基礎(chǔ)上派生的各類模型的組合，語音識別準(zhǔn)確率確實得到了大幅度提升，智能音頻設(shè)備也呈現(xiàn)出多樣化和日?；＿@些產(chǎn)品雖然大大普及了公眾對語音交互的認(rèn)知和使用，但實際上由于真實場景使用下的復(fù)雜、不同設(shè)備體積限制對算力的要求等因素，語音產(chǎn)業(yè)的發(fā)展仍然受技術(shù)瓶頸的限制尚處在起步階段，業(yè)界依然共同面臨許多技術(shù)難題。

    據(jù)了解，智能語音產(chǎn)品完成一次人機交互，需要經(jīng)過四個主要技術(shù)環(huán)節(jié)：語音前端處理、語音識別、自然語言理解以及語音合成，即從聲音的拾取到轉(zhuǎn)換成文字，到理解其含義并作出反饋，再到將反饋說出。經(jīng)過多年的技術(shù)積累，語音識別和語音合成已經(jīng)獲得突破，目前基本可以滿足商用。而語音前端處理和自然語言理解依然是語音交互的核心瓶頸。

    邱鋒海表示，雖然各項技術(shù)獨立發(fā)展，但從產(chǎn)品上無法割裂，同時需要在其它技術(shù)的配合下，才能形成完整鏈條具備市場化的終端產(chǎn)品。 目前的BAT、小米、京東、華為等巨頭企業(yè)，基本是從語音識別、語義理解應(yīng)用后兩個環(huán)節(jié)切入。這主要源于語音識別算法開源，技術(shù)相對普及，而巨頭們的海量數(shù)據(jù)和強大算力支撐有足夠的優(yōu)勢。但作為流程第一步的聲學(xué)前端處理產(chǎn)品，因為教育環(huán)境下人才的斷層和稀缺（此前工程類項目多在科研院所）而有極高的技術(shù)門檻，因此，專注這個環(huán)節(jié)的企業(yè)基本集中在有中科大、聲學(xué)所、自動化所等科研背景的初創(chuàng)企業(yè)中。

    聲加科技成立于今年年初，創(chuàng)始人兼CEO邱鋒海本科就讀于清華大學(xué)，碩士期間在中科院聲學(xué)所深造，畢業(yè)后長期在聲學(xué)芯片企業(yè)工作，曾帶領(lǐng)20余人的研發(fā)團(tuán)隊完成了世界級知名企業(yè)的音頻處理芯片算法部分的開發(fā)，對聲學(xué)算法的工程實現(xiàn)、算法和芯片的結(jié)合等方面具有豐富的經(jīng)驗；CTO王之禹,中科院聲學(xué)所博士后，長期從事語音信號處理和識別研究工作，實現(xiàn)多個科研項目的產(chǎn)業(yè)化，具有豐富的研發(fā)和企業(yè)合作經(jīng)驗；首席算法科學(xué)家鄭成詩，聲學(xué)所研究員，德國埃爾朗根-紐倫堡大學(xué)客座教授，長期從事語音和音頻信號處理研究工作，曾作為項目負(fù)責(zé)人帶領(lǐng)團(tuán)隊完成多個科研項目，并創(chuàng)新性地提出許多解決方案。

    其核心團(tuán)隊成員大多師出聲學(xué)所同門，平均在業(yè)界擁有超過十五年工作經(jīng)驗，博士以上學(xué)歷人員占比80%以上。在公司成立以前，團(tuán)隊已有為國內(nèi)多個巨頭企業(yè)的智能音箱、智能耳機等明星產(chǎn)品提供遠(yuǎn)場麥陣模組設(shè)計方案、智能耳機麥陣算法、智能耳機模組等實戰(zhàn)項目經(jīng)驗，完全具備市場化營運能力。隨著公司的成立，將逐漸嘗試將最先進(jìn)的技術(shù)應(yīng)用在新產(chǎn)品上。目前，聲加科技的產(chǎn)品規(guī)劃分三個階段：第一步，為智能語音交互設(shè)備和通信設(shè)備提供語音前端處理算法。第二步，在之前工作的基礎(chǔ)上，推出語音處理專用芯片。第三步，則是在語音處理專用芯片的基礎(chǔ)上，開發(fā)出各類麥克風(fēng)陣列模組，給客戶提供語音前端處理的整體解決方案。當(dāng)前第一階段的算法產(chǎn)品已經(jīng)通過了一些國內(nèi)大廠的驗證，即將量產(chǎn)；芯片和模組產(chǎn)品也在快速推進(jìn)當(dāng)中。同期與國內(nèi)巨頭合作的二代產(chǎn)品也將在下半年陸續(xù)上市，將成為其瘋狂增長的生態(tài)鏈中的重要一環(huán)。

    據(jù)邱鋒海和聲加團(tuán)隊的恩師，我國空氣聲學(xué)領(lǐng)域著名科學(xué)家、中國科學(xué)院聲學(xué)研究所研究員/博士生導(dǎo)師李曉東介紹，聲學(xué)前端技術(shù)在語音交互獲得突破之前，一直是冷門學(xué)科，學(xué)科設(shè)置非常少，全國每年畢業(yè)的博士總共不超過20人，每個博士最多也只專攻某一兩個細(xì)分的技術(shù)方向。而且聲學(xué)前端技術(shù)屬于應(yīng)用類學(xué)科，需要大量的課題、項目來積累，培養(yǎng)一個聲學(xué)方面的專業(yè)人才，往往需要四五年甚至更長時間。因此，長期以來，從事聲學(xué)前端處理技術(shù)的高端人才都集中在國家相關(guān)科研院所內(nèi)。即使對于不差錢的巨頭們，組建一個有實力的聲學(xué)前端處理技術(shù)的團(tuán)隊也并非易事。

    李曉東表示，盡管目前市場增勢良好，但現(xiàn)有聲學(xué)技術(shù)仍然處于商業(yè)初級應(yīng)用階段，距離用戶滿意還有相當(dāng)大的距離。比如以Siri為代表的近場語音識別要求必須是低噪聲、無混響、距離聲源很近的場景，用戶一定要對著手機講話才能獲得符合近場語音識別要求的聲音信號，環(huán)境稍微嘈雜一點語音識別引擎就失靈了；而以智能音箱為代表的遠(yuǎn)場語音識別場景下，依然存在誤喚醒，方言、童音識別不準(zhǔn)以及聲源移動中的識別率低下等問題。這些限制都需要聲學(xué)前端處理技術(shù)不斷改善，實現(xiàn)噪聲抑制、混響去除、人聲干擾抑制、聲源測向、聲源跟蹤、陣列增益等功能，提升語音信號處理質(zhì)量，進(jìn)而提高各種環(huán)境下的語音識別率。這也是聲加團(tuán)隊要致力突破的方向。

    據(jù)了解，此前聲加科技因其技術(shù)優(yōu)勢和人才儲備已獲得中科創(chuàng)星千萬級和萬魔聲學(xué)數(shù)百萬級的天使輪融資；同時與萬魔聲學(xué)成為戰(zhàn)略合作伙伴，二者會在智能音頻設(shè)備上持續(xù)聯(lián)創(chuàng)。隨著產(chǎn)品的上市和進(jìn)一步研發(fā)的需要，目前聲加科技正在進(jìn)行下一輪融資。

    萬魔聲學(xué)CTO黎懋紘透露，聲加科技提供的語音增強技術(shù)(ENC)，在導(dǎo)入產(chǎn)品后很短時間之內(nèi)，便成功在各項指標(biāo)上超越現(xiàn)有產(chǎn)品的水平。這不但幫助萬魔在幾項熱點產(chǎn)品上迅速提升市占，也為聲加科技營造了新創(chuàng)公司難得的聲勢和發(fā)展的動能。同時他強調(diào)，除優(yōu)秀的技術(shù)實力之外，聲加科技核心團(tuán)隊早已經(jīng)過多年的協(xié)作，志同道合、默契十足，是一支專業(yè)、熱情、高效、有凝聚力的隊伍。

    最后，邱鋒海從技術(shù)角度對行業(yè)表達(dá)出期望，“一直以來，人機交互充滿了想象，未來甚至可能和機器視覺、腦科學(xué)等融合，實現(xiàn)電影里的酷炫畫面。目前只有先解決語音識別的這些技術(shù)瓶頸，才能進(jìn)一步有所作為。”

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！