在美國(guó)熱播劇《生活大爆炸》中有一集十分有趣:宅男Raj手持一部iPhone 4S,愛上了其中的語音助理Siri,雖然后者只是一種發(fā)女聲的手機(jī)功能,但Raj深陷其中不能自拔。他會(huì)詢問Siri附近的咖啡館在哪兒,并想象自己去那里與它約會(huì),甚至?xí)孲iri給自己放首歌,深情地邊聽邊說:“只有你最懂我?!?/p>
雖然劇情夸張,但起碼這從一個(gè)側(cè)面證明,手機(jī)語音功能的普及讓普通老百姓也開始能接受這樣的笑料,也證明了在移動(dòng)互聯(lián)網(wǎng)時(shí)代,語音技術(shù)正在成為一種流行的、全新的人與手機(jī)的交互方式。
在微軟創(chuàng)始人比爾·蓋茨眼中,未來影響世界的三個(gè)技術(shù)領(lǐng)域——語音、觸摸和視覺中以語音居首;而蘋果公司更是在新一代iPhone中直接將語音助理Siri作為了其最大賣點(diǎn)之一。
擁有語音技術(shù)的公司成為大眾熱點(diǎn),也成為移動(dòng)互聯(lián)網(wǎng)的行業(yè)焦點(diǎn),這使得一家在公眾視野蟄伏了10年的中國(guó)本土公司逐漸浮出水面。
訊飛立足點(diǎn)
1999年春節(jié)前夕,安徽合肥,現(xiàn)在的科大訊飛董事長(zhǎng)、當(dāng)時(shí)的中國(guó)科技大學(xué)在讀博士生劉慶峰實(shí)際上正面臨兩難選擇。他所在的中國(guó)科技大學(xué)的語音實(shí)驗(yàn)室一直與一家福建企業(yè)合作,可對(duì)方因?yàn)榉N種問題資金遇上了困難,連實(shí)驗(yàn)室的基本工資都發(fā)不出。作為這個(gè)實(shí)驗(yàn)室的負(fù)責(zé)人,他要么“事了拂身去”,出國(guó)并繼續(xù)他的博士學(xué)業(yè)——這樣整個(gè)團(tuán)隊(duì)勢(shì)必會(huì)解散;要么留下來牽頭帶領(lǐng)這幫一起干的伙伴們繼續(xù)前行。
據(jù)科大訊飛副總裁江濤回憶,“慶峰其實(shí)只需要把實(shí)際情況跟大家說清楚,跟自己就半點(diǎn)關(guān)系沒有,但他還是不動(dòng)聲色地以個(gè)人名義借了錢回來給大家發(fā)工資”。
“當(dāng)時(shí)我還是有點(diǎn)過度樂觀吧?!眲c峰說,“我們下決心產(chǎn)業(yè)化,當(dāng)時(shí)的信心和現(xiàn)在一樣,認(rèn)為未來每一部手機(jī)、轎車、家電、玩具,語音都將成為一個(gè)基本需求點(diǎn),而且以我們的技術(shù)能力,有可能成為行業(yè)領(lǐng)導(dǎo)者?!?/p>
在此之前,實(shí)驗(yàn)室參加“863計(jì)劃”的比賽剛剛以3.0的高分奪得第一名。中科大的學(xué)生當(dāng)時(shí)會(huì)聚了全國(guó)精英,而在團(tuán)隊(duì)里還有一些外面的技術(shù)高手,劉慶峰認(rèn)為解散太可惜。資方并不懂技術(shù),較為急功近利,經(jīng)常進(jìn)行研發(fā)方向的調(diào)整,把團(tuán)隊(duì)折騰得夠嗆,劉慶峰決定站出來解決這一切?!氨緛砦覀兊膲?mèng)想是成為類似美國(guó)貝爾實(shí)驗(yàn)室的存在,我就當(dāng)個(gè)總工程師挺好,可形勢(shì)的發(fā)展讓我不得不站出來當(dāng)CEO。半年之后,感覺還不錯(cuò)?!彼f。
這就是科大訊飛的成立故事,從里面不難看出這家公司的一些特征:技術(shù)驅(qū)動(dòng)、對(duì)語音未來的篤定以及濃濃的校園風(fēng)格。這使得它和美國(guó)硅谷一些知名技術(shù)公司擁有相似的氣質(zhì)。
可是語音到底什么時(shí)候能夠產(chǎn)業(yè)化并且獲得收益?沒有人心里有譜。
其實(shí)早在20世紀(jì)70年代,世界各國(guó)就有很多組織開始研究語音技術(shù),包括語音識(shí)別、文本朗讀、指令判斷等。到20世紀(jì)80年代,語音就開始被稱為“未來5年的技術(shù)”,可過了一個(gè)又一個(gè)5年,它卻似乎永遠(yuǎn)站在遠(yuǎn)方,離普羅大眾的距離從未真正接近過。在國(guó)內(nèi),20世紀(jì)80年代“863計(jì)劃”也扶持了很多語音實(shí)驗(yàn)室進(jìn)行相關(guān)研究,中科大、清華、聲學(xué)所、語言所等均在其列,只是研究的側(cè)重方向各有不同。
為什么語音技術(shù)難以產(chǎn)業(yè)化?因?yàn)檎Z音技術(shù)說白了就是機(jī)器對(duì)人聲音的識(shí)別、判斷與輸出,涉及到不同國(guó)家、不同口音的人和大量聲學(xué)、語言學(xué)、數(shù)字信號(hào)處理知識(shí)。作為一項(xiàng)基礎(chǔ)技術(shù),它不僅考驗(yàn)語音聽和寫的能力、搜索能力、語音合成能力,還有復(fù)雜得多的與電腦相關(guān)的數(shù)據(jù)庫(kù)等后臺(tái)能力。
在單機(jī)時(shí)代,光是辨別語音所需要的龐大數(shù)據(jù)庫(kù)存儲(chǔ)和計(jì)算能力就讓人頭疼。要想語音識(shí)別準(zhǔn)確,就必須有海量數(shù)據(jù)庫(kù)進(jìn)行匹配,還要通過算法來讓它實(shí)現(xiàn)快捷高效,這幾乎是一件不可能完成的任務(wù),硬件的門檻將無數(shù)研究者阻擋在技術(shù)商用化的門檻之外。
可是從20世紀(jì)末開始,一切似乎正在發(fā)生變化?;ヂ?lián)網(wǎng)的興起讓這樣一種模式成為可能:大量的存儲(chǔ)計(jì)算放在服務(wù)器端(云端)來完成,而前端的電腦則只需要采集聲音和給出反饋就可以了。只不過網(wǎng)絡(luò)帶寬的限制以及電腦麥克風(fēng)當(dāng)時(shí)并不普及,語音技術(shù)還沒獲得生根發(fā)芽的土壤。
此時(shí)的科大訊飛,在拿到第一筆投資、還未能盈利之前,就做出了一項(xiàng)“風(fēng)險(xiǎn)很高”的決定:以企業(yè)的方式,與中國(guó)在語音研究領(lǐng)域領(lǐng)先或有特色的院校建立聯(lián)合實(shí)驗(yàn)室形成了“產(chǎn)學(xué)研”結(jié)合的雛形。
它的邏輯很簡(jiǎn)單:語音技術(shù)未來一定很值錢;各個(gè)院校擁有不同細(xì)分領(lǐng)域的語音技術(shù),融合起來才能具有威力;能將中國(guó)最好的做語音研究的人才盡可能網(wǎng)羅到一起。這筆“技術(shù)投資”,為訊飛今后的發(fā)展提供了堅(jiān)實(shí)的基礎(chǔ),這也是訊飛從技術(shù)核心出發(fā)的第一項(xiàng)重要決定。
從B到C
心氣高、兵馬壯的訊飛,幾乎在做第一個(gè)產(chǎn)品時(shí)就遭遇了挫折?!爱?dāng)時(shí)我們做了一個(gè)面對(duì)消費(fèi)級(jí)PC市場(chǎng)的統(tǒng)一輸入法,你可以用語音、手寫等各種方式輸入中文,可產(chǎn)品辛苦研究出來卻沒有人買賬?!苯瓭f。
對(duì)當(dāng)時(shí)的訊飛來說,消費(fèi)級(jí)市場(chǎng)實(shí)在是一個(gè)難以跨越的坎,因?yàn)樗馕吨獮楫a(chǎn)品建立一個(gè)全國(guó)的銷售網(wǎng)絡(luò)、服務(wù)網(wǎng)絡(luò),光服務(wù)成本就入不敷出。再加上2000年初,“統(tǒng)一輸入法”這樣的產(chǎn)品并沒有市場(chǎng),消費(fèi)者根本沒有對(duì)于語音的認(rèn)知,而鍵盤和鼠標(biāo)已經(jīng)足以滿足他們?cè)赑C上簡(jiǎn)單的輸入需求。
這時(shí)候,劉慶峰做出了第二個(gè)重要決定:砍掉辛苦努力了很長(zhǎng)時(shí)間的B2C業(yè)務(wù),專注于B2B企業(yè)級(jí)服務(wù)。
在之前1999年中國(guó)國(guó)際高新技術(shù)成果交易會(huì)上,科大訊飛只有幾平方米見方的展臺(tái)上迎來了幾位客人,他們對(duì)訊飛的產(chǎn)品表現(xiàn)出不同一般的興趣與了解。這是華為的人,作為移動(dòng)通訊設(shè)備廠商,他們看到了語音對(duì)于移動(dòng)通信產(chǎn)業(yè)的意義。雙方幾乎一拍即合,華為采購(gòu)語音引擎,訊飛則成為其技術(shù)供應(yīng)商。
好的技術(shù)總會(huì)有價(jià)值,與消費(fèi)者相比,企業(yè)客戶更專業(yè)、理解力更強(qiáng),這讓幾乎全技術(shù)班底的科大訊飛不用再去做那些不擅長(zhǎng)的事,將精力聚焦在了語音技術(shù)本身和運(yùn)營(yíng)服務(wù)中。
客戶接二連三地來,訊飛也終于擺脫了剛開始的茫然,進(jìn)入有序發(fā)展,并接連引入了聯(lián)想投資、復(fù)星資本等投資方。“聯(lián)想和復(fù)興的風(fēng)格完全不一樣,前者對(duì)我們工作很細(xì)致,幫助我們建立了管理體系;后者則完全信任,給了我們更強(qiáng)的信心?!?004年依靠B2B,訊飛實(shí)現(xiàn)了盈虧平衡。
已經(jīng)有了一定實(shí)力的訊飛開始將目光再次瞄向最終用戶,可它卻用了一種由企業(yè)到用戶的曲線方式。它向自己的電信運(yùn)營(yíng)商客戶如中國(guó)電信提出了一項(xiàng)要求:希望從只提供技術(shù)引擎,變?yōu)樽约簛碇苯幼鲞\(yùn)營(yíng)與維護(hù)。這樣來與用戶發(fā)生接觸。
與此同時(shí),它還發(fā)現(xiàn)了另一個(gè)“金礦”,那就是教育市場(chǎng)。學(xué)習(xí)不過是“聽說讀寫”,其中很多層面涉及語音,通過提供這一垂直場(chǎng)景的帶讀、朗誦語音評(píng)測(cè)等技術(shù)功能,訊飛已有斬獲,基本上對(duì)教育市場(chǎng)(學(xué)習(xí)機(jī))形成了近乎壟斷的優(yōu)勢(shì)。
2008年,科大訊飛上市。在企業(yè)級(jí)市場(chǎng)上技術(shù)加實(shí)干,為它贏得了極大空間,可上市之后干什么?訊飛將目光重新投注在了其初衷上。
當(dāng)時(shí)做統(tǒng)一輸入法為什么失敗?“不是模式錯(cuò)了,而是模式?jīng)]有適合當(dāng)時(shí)的背景?!眲c峰說。而現(xiàn)在,背景環(huán)境似乎已經(jīng)轉(zhuǎn)向。
新基礎(chǔ)服務(wù)提供商
2007年開始,移動(dòng)互聯(lián)網(wǎng)迅速發(fā)展。iPhone手機(jī)和Android系統(tǒng)的發(fā)布讓智能手機(jī)迅速開始普及,移動(dòng)帶寬到3G時(shí)代得到了明顯提升,而手機(jī)天然的隨身性和麥克風(fēng)等硬件所賦予的良好交互性,為語音類產(chǎn)品發(fā)展提供了天然機(jī)遇。
訊飛一方面深入語音研究,對(duì)技術(shù)最前沿能做到什么樣心里有底,另一方面,與數(shù)千家合作廠商日復(fù)一日的密切接觸,能讓它對(duì)產(chǎn)業(yè)引爆點(diǎn)的判斷更加精準(zhǔn)。
傳統(tǒng)語音技術(shù),無外乎語音合成、語音搜索、語音聽寫三類,在準(zhǔn)備了很長(zhǎng)時(shí)間之后,2010年末,訊飛推出了自己的“語音云”平臺(tái),將語音能力提供輸出接口,讓很多移動(dòng)互聯(lián)網(wǎng)創(chuàng)業(yè)者能由此為自己的應(yīng)用引入語音能力。而在此之外,訊飛則選擇擅長(zhǎng)的領(lǐng)域做一些“示范應(yīng)用”,在第一代語音云上,示范應(yīng)用是訊飛語音輸入法和互聯(lián)網(wǎng)電視語音搜索。
這是另一片戰(zhàn)場(chǎng),國(guó)外谷歌等互聯(lián)網(wǎng)公司也有提供類似服務(wù),但訊飛在技術(shù)上有著過硬的功夫。2006年到2011年,訊飛連續(xù)6年獲得英文語音合成國(guó)際大賽(Blizzard Challenge)第一名,2008年獲得國(guó)際說話人識(shí)別評(píng)測(cè)大賽(NIST)第一,2009年則又拿下高難度混淆方言測(cè)試指標(biāo)冠軍。
到2011年末,一年時(shí)間訊飛語音云用戶總數(shù)超過1000萬,而之后三個(gè)月,用戶總數(shù)超過了3000萬,合作伙伴超過3100家,每天服務(wù)請(qǐng)求量超過700萬次。這是一個(gè)驚人的數(shù)字。
2012年3月22日,訊飛在北京國(guó)家會(huì)議中心舉辦新一代“語音云”發(fā)布暨語音開發(fā)者大會(huì)。聯(lián)想控股董事局主席柳傳志來了,創(chuàng)新工場(chǎng)董事長(zhǎng)兼CEO李開復(fù)來了,小米公司、大眾點(diǎn)評(píng)、知乎等互聯(lián)網(wǎng)公司也來了,現(xiàn)場(chǎng)人數(shù)達(dá)到2300人之多,場(chǎng)面火爆。所有人的目的都只有兩個(gè)字:語音。
新一代語音云增加了自然語言理解、個(gè)性化語音識(shí)別、口語評(píng)測(cè)等新能力特性,而其示范應(yīng)用,則是一款名為“訊飛語點(diǎn)”的工具。
在試用過程中,訊飛語點(diǎn)雖然還有一些小Bug,但總體表現(xiàn)出了很強(qiáng)的辨識(shí)度和易用性。比如當(dāng)你念出“把張三的手機(jī)號(hào)碼發(fā)短信給李四”,語點(diǎn)就能自己識(shí)別出人名、指令,并完成相關(guān)操作。除此之外,它還能設(shè)置日程提醒、手機(jī)導(dǎo)航,還能查詢天氣、股票等信息,甚至可以做算術(shù)、講笑話。這一應(yīng)用將新的語音云平臺(tái)能力展露無遺。
毫無疑問,經(jīng)過10多年發(fā)展之后,訊飛有了兩塊最具價(jià)值的資產(chǎn),那就是語音云和相關(guān)技術(shù),再往上,各個(gè)實(shí)驗(yàn)室是“正在下金蛋的雞”,而產(chǎn)業(yè)合作還在將這些金蛋換成金錢。
據(jù)《商業(yè)價(jià)值》了解,考慮到新一代語音云平臺(tái)多出了很多新的特性,不僅增加了指令和個(gè)性化學(xué)習(xí),而且還大幅提升語音識(shí)別準(zhǔn)確率,訊飛今年年初曾面臨兩個(gè)選擇:一個(gè)是獨(dú)享自己的語音云平臺(tái),基于它推出新的創(chuàng)新產(chǎn)品,二是直接將升級(jí)版的語音云平臺(tái)向整個(gè)行業(yè)開放。
在思索一段時(shí)間后,訊飛還是決定選擇后者,因?yàn)樽鳛橐环N基礎(chǔ)能力,開放的語音技術(shù)力量將能支撐整個(gè)行業(yè)用更快的速度前行。
現(xiàn)在,訊飛的想法是自己做10%。“我們做開放平臺(tái)跟訊飛的特點(diǎn)有關(guān)。語音應(yīng)用無處不在,在每個(gè)領(lǐng)域都有前景,能力要和應(yīng)用場(chǎng)景深度結(jié)合才有用,這是一條漫長(zhǎng)的路?!眲c峰說,“我們有最好的嘴巴和耳朵,還有基本思維,可是需要大家一起教育它?!?/p>
而相關(guān)的應(yīng)用場(chǎng)景,最主流有三類:手機(jī)基礎(chǔ)操控類,比如打電話、發(fā)短信、設(shè)置日程等;助理類,訂酒店、問路、問天氣等;還有行業(yè)伙伴在各個(gè)行業(yè)的產(chǎn)品中增加聽說功能。這已經(jīng)是一個(gè)相當(dāng)大的布局,訊飛正在向著新一代移動(dòng)互聯(lián)網(wǎng)基礎(chǔ)服務(wù)提供商的位置前行。
有人覺得,科大訊飛的幾個(gè)發(fā)展點(diǎn)都踩得很正,并且符合語音技術(shù)產(chǎn)業(yè)化的成熟節(jié)奏:成立后不久就找到了華為、中興等移動(dòng)設(shè)備商作為客戶,用穩(wěn)定的收入站穩(wěn)了第一步;后來又在合適的時(shí)間點(diǎn)與移動(dòng)運(yùn)營(yíng)商合作,同時(shí)發(fā)現(xiàn)教育市場(chǎng)這片金礦,成為其中語音最有影響力的技術(shù)產(chǎn)品提供商;2008年上市后,開始從企業(yè)級(jí)往移動(dòng)互聯(lián)網(wǎng)消費(fèi)端滲透,做訊飛語音輸入法并獲得一定成功,第一版語音云平臺(tái)也擁有了3000多個(gè)合作者,未來機(jī)會(huì)很大。
這確實(shí)是科大訊飛比較重要的三個(gè)發(fā)展階段,但它遠(yuǎn)遠(yuǎn)不是全部。
劉慶峰認(rèn)為,訊飛走的是一條“彎曲的直線”,朝著正確的方向,但中間也有很多不為人知的失敗,“我們不是剛好踩到點(diǎn),只是很多踩不到點(diǎn)的地方大家都看不到而已”。
對(duì)他而言,訊飛目前的成果經(jīng)過了幾代人的努力,核心技術(shù)持續(xù)突破,到如今才真正達(dá)到了大規(guī)模實(shí)用的門檻。而訊飛一直在朝著既定目標(biāo)前進(jìn),那就是讓語音真正成為所有人身邊能使用的產(chǎn)品。






快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求,請(qǐng)綁定手機(jī)號(hào)后發(fā)表評(píng)論
引用一句話?。ā 爸袊?guó)沒有創(chuàng)新?那是瞎扯,但創(chuàng)新出來了,不能把產(chǎn)品做出來,即使把產(chǎn)品做出來,整個(gè)營(yíng)銷又跟不上,這就導(dǎo)致了很多創(chuàng)新一直躺在設(shè)計(jì)師的抽屜里。 )劉先生的成功一定很艱辛。中國(guó)需要這樣的企業(yè)。這樣的人才。
漢字語音識(shí)別之難,絕對(duì)是世界級(jí)課題,希望科大訊飛在語音識(shí)別向語義識(shí)別,再向用戶行為理解和執(zhí)行轉(zhuǎn)化,當(dāng)然也需要行業(yè)多支持,至少是希望越來越多的應(yīng)用中集成語音支持,在普通用戶對(duì)語音的認(rèn)識(shí)和使用行為上作出努力,再在產(chǎn)業(yè)變革和應(yīng)用中走出一條大路。
支持迅飛,小心騰訊。
訊飛如果和媒體公司合作,推出可以定制和播報(bào)的新聞產(chǎn)品,也不錯(cuò)。能為不方便看手機(jī)和懶的用手機(jī)閱讀的用戶提供便利
前景非常看好,但還需時(shí)間考驗(yàn)。
希望成為中國(guó)人的拳頭產(chǎn)品
我也看好語音,很cool,也很方便
支持國(guó)產(chǎn)技術(shù)。我們需要?jiǎng)?chuàng)新!
要想推廣,必須先改變?nèi)说挠^念和習(xí)慣!
反正我是不怎么接受語音輸入的,像短信之類的這屬于個(gè)人隱私,公眾場(chǎng)合沒法使用,我是沒有想明白掏出手機(jī),對(duì)著mic唧唧歪歪半天,什么搜索也好…最大的好處我覺得是開車之類的,實(shí)在是騰不出手來,語音這個(gè)麻煩