提及語音識別，就不能不說Nuance，就像提到PC處理器不能跨過intel，智能手機SOC不能忽略高通，Nuance有著輝煌的歷史，曾經(jīng)在語音領域一統(tǒng)江湖，就算現(xiàn)在，仍舊是瘦死的駱駝比馬大，仍舊是全球最大的語音技術公司，專利數(shù)量和市場份額都遙遙領先。蘋果iPhone手機的虛擬語音助手Siri（風傳放棄）、三星的語音助手S-Voice、各大航空公司和頂級銀行的自動呼叫中心和虛擬在線語音助手，都采用了Nuance的技術。Nuance曾經(jīng)很熱門，三星和蘋果都和它傳過緋聞，都要收購它，不知道為什么，都無疾而終。

Nuance的語音技術是以統(tǒng)計推斷方法為基礎，著眼于音素（音節(jié)的聲音）和語境來識別話語。在識別的方面，在引擎和算法技術方面Nuance領先一個層次。畢竟有著多年的積累。

但是，在具體應用上，差距就沒有那么大了——語音識別技術并非高不可攀，好的語音識別系統(tǒng)，很大程度上依靠經(jīng)驗，專利和算法什么的并沒有多重要。所以只要Google們挖到牛人，自主研發(fā)出不遜于Nuance的語音識別技術并非難事——因為大家的純識別率都在一個水平線上，差不多都達到了當前技術（主要是Nuance采用的技術）的極限，差距不再可感，但再往上走，如果基于當前的技術，路會越走越窄。如果考慮到周圍環(huán)境的噪音、用戶發(fā)音不準、方言等等因素，這種技術的前景并不樂觀。這個時候就要從另外一個角度考慮問題了——語義理解。

語音交互，主要取決于兩點：語音識別，和語義理解。

舉一個例子，張飛張翼德在長坂坡嚎了一嗓子，我想，五湖四海出身的曹軍們沒有多少人能辨清楚張三爺?shù)拿恳粋€字（就不信漢朝沒有方言，就不信張飛說話不方言，就不信有多少人能聽得懂張飛的方言），他們沒有100%聽清楚，但是，他們聽懂了，然后害怕了，于是，撤退了。為張飛的名聲添磚加瓦。

在日常生活當中，如果只從語音出發(fā)，我們根本沒有可能聽懂XX牌普通話，但是我們還是聽懂了，更能用另一種牌子的普通話和他交流。這就涉及到語義理解。

有了語義理解的突破，語音識別才能脫離桎梏，更上一層樓。

關于語義理解，目前一門技術正火，神經(jīng)網(wǎng)絡。這是一種十分炫酷的技術，將機器學習的方式模仿人類大腦的神經(jīng)元，當處理的語言越來越多時，這種網(wǎng)絡就可以逐漸理解語言。實驗結果發(fā)現(xiàn)，這種技術可使得精確度提升25%以上，這是一個巨大的飛躍，因為這個行業(yè)只需要提升5%就具備革命意義。目前，谷歌的Google Now、微軟的Cortana都采用了這種技術。人工智能大師杰弗里·希爾頓（Geoffrey Hinton）在2013年初加盟谷歌。此外，谷歌還挖走了Nuance的一些職員，其中包括在2004年挖走Nuance聯(lián)合創(chuàng)始人邁克·科恩（Mike Cohen），讓他出任谷歌的語音技術總監(jiān)。至于微軟，我只有一句話，微軟研究院里的大牛們真的是大牛啊。感興趣的可以查一查微軟在這方面的技術。

對于Google而言，語音是生死攸關的大事。想象一下，十年或者五年后的某一天，我想登錄雷鋒網(wǎng)，可我一如既往的記不住雷鋒的域名，只需要對著麥說一句：“登錄雷鋒網(wǎng)”，如果我想搜索什么東西，直接說就可以了。如果沒有語音服務，那么，Google如何自處？微軟的bing會不會咸魚翻身？所以，Google有必要自己做。這種涉及生死的技術，還是掌握在自己手里比較踏實。

Google和微軟都參合了，蘋果當然不會落后。來自Wired 的消息，蘋果正在著手更換掉 Nuance，打算用自己研發(fā)的語音識別技術，最快可能在iOS 9中亮相。在過去幾年，蘋果不僅吸納了Siri的語音技術人才，更是將Nuance公司的多名高級語音研究人員挖角過來，包括了前研發(fā)副總裁Larry Gillick，以及來自微軟語音識別項目高管Alex Acero，后者在微軟工作達 20 年之久。蘋果打算利用神經(jīng)網(wǎng)絡來提升語音識別率，微軟研究部門主管 Peter Lee 認為，蘋果大約需要花6個月才能趕上Google 和微軟。2013年，蘋果悄悄收購了一家語音識別技術公司Novauris Technologies，價格未知。Novauris公司以語音識別著稱，由其推出的產(chǎn)品和語音識別系統(tǒng)并非簡單的識別單個的詞句，而是理解上下文。Novauris 也成推出一個名為 Novasystem 的分布式服務器語音識別系統(tǒng)，可同時處理多個并發(fā)語音請求，識別完整的句子，并分析音節(jié)結構。

說完國外，再說說國內。

科大訊飛是nuance的國內版，同樣的一覽眾山小，當然，國內的語音識別企業(yè)不只科大訊飛一家，還有中科信利，尚科語音，捷通華聲等等。百度、騰訊都在打造自己的語音團隊。百度看起來最高大上。吳恩達加盟，擔任百度的首席科學家，負責百度研究院，他的研究領域就是機器學習和人工智能，研究重點是深度學習（deep learning）。深度學習被認為是當前的機器學習算法里最接近人腦思維的一種。吳恩達也是牛人一枚。

看過國外百舸爭流，再對比國內的欣欣向榮，在不入流的算命先生都能得出結論，語音是個大熱門，是未來的趨勢。

這個趨勢是實實在在的，不是吹起來的泡沫。

人類打成為人類以來就使用聲音，聲音已經(jīng)融入我們的身體，成為一種本能，它是最優(yōu)的表達方式，這也就是為什么iPhone4s能夠在普遍看衰的情況下大賣的關鍵，所有人都低估了siri，低估了人們對人機交互模式從鍵盤升級到聲音的渴望。

在未來，也許就是不久的未來，智能家居（通過微軟的cortana，已經(jīng)可以實現(xiàn)語音開燈關燈拉窗簾。這不是Google now和siri無能，完全是因為微軟開放了API，Google now和siri沒有開放）、駕駛等等領域。人機交互的領域越來越廣，語音的前景必將大到不敢想象。想象一下，當互聯(lián)網(wǎng)發(fā)展到無處不在時，人們隨時隨地都在互聯(lián)網(wǎng)之中，人機交互甚至可能會是時時刻刻，語音會是一個多么大的市場。

什么？你說腦波？

我覺得腦波這玩意和幸福、上帝一樣，你相信它存在，它就存在。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。