說說電話語音機器人的四大優(yōu)點(說說電話語音機器人的四大優(yōu)點和缺點)

什么是智能語音人機交互技術(shù)？簡單說說說電話語音機器人的四大優(yōu)點，就是一種以語音為主要信息載體，讓機器具有像人一樣“能聽會說、自然交互、有問必答”能力的綜合技術(shù)，它涉及自然語言處理、語義分析和理解、知識構(gòu)建和自學習能力、大數(shù)據(jù)處理和挖掘等前沿技術(shù)領域。這種技術(shù)既可以作為獨立的軟件系統(tǒng)運行在用戶的計算機和智能手機上，也可以嵌入到具有聯(lián)網(wǎng)能力的設備中。

一、智能語音人機交互產(chǎn)業(yè)發(fā)展現(xiàn)狀

近幾年，隨著語音技術(shù)的不斷發(fā)展，人機交互逐漸走入語音時代，進入到智能操作系統(tǒng)時代，手機、平板、可穿戴、智能家居、智能汽車等不斷出現(xiàn)，各種業(yè)務、軟件、應用也迅速普及，而且越來越多應用也開始引入語音功能。

主要體現(xiàn)在說說電話語音機器人的四大優(yōu)點：一是技術(shù)水平不斷提高，特別是語音合成和基礎語音識別技術(shù)發(fā)展較快；二是產(chǎn)業(yè)規(guī)模持續(xù)擴大，帶動說說電話語音機器人的四大優(yōu)點了家電、汽車、移動互聯(lián)網(wǎng)等一批相關產(chǎn)業(yè)的發(fā)展；三是優(yōu)秀企業(yè)大幅涌現(xiàn)，出現(xiàn)了如Nuance、谷歌、科大訊飛、捷通華聲等一批優(yōu)秀的企業(yè)。

除了蘋果推出的Siri，谷歌發(fā)布的Google Now，以及微軟推出的Cortana（小娜）以外，亞馬遜還大力推廣Echo智能音箱，F(xiàn)acebook也宣布推出聊天機器人Messenger Platform，希望建立一個對話式的系統(tǒng)，實現(xiàn)訂餐、下單、獲取資訊等各種各樣的服務。接著，谷歌在今年5月的I/O大會上就發(fā)布了Google Home智能音箱。

同時，產(chǎn)業(yè)發(fā)展也存在一些問題：一方面，語音識別技術(shù)主要還是用于識別一些命令詞匯和固定的語法格式，大規(guī)模的語音數(shù)據(jù)識別技術(shù)仍有待提高；另一方面缺乏成熟的商業(yè)模式極大地制約著產(chǎn)業(yè)的可持續(xù)發(fā)展。

二、智能語音人機交互產(chǎn)業(yè)鏈分析

經(jīng)過多年的發(fā)展，智能語音人機交互產(chǎn)業(yè)形成了從核心技術(shù)研發(fā)到知識庫提供再到應用、服務的完善的產(chǎn)業(yè)鏈。

圖1 智能語音人機交互產(chǎn)業(yè)鏈

（一）核心技術(shù)研發(fā)

包括人工智能機器人廠商、人機交互技術(shù)和渠道提供商，以及基礎平臺支撐和關聯(lián)技術(shù)提供商。

1、人工智能機器人廠商

主要包括小i機器人等智能機器人廠商，以及清華、中科院等人工智能技術(shù)研究院校和科研院所。

2、人機交互技術(shù)或渠道提供商

包括Nuance、科大訊飛、捷通華聲、車音網(wǎng)、思必馳等語音技術(shù)提供商，以及短信（移動、電信、聯(lián)通）、QQ等服務提供商。

3、基礎平臺支撐和關聯(lián)技術(shù)提供商

包括IDC、云計算平臺、數(shù)據(jù)挖掘等技術(shù)提供商。

（二）知識庫提供

主要是指數(shù)據(jù)和內(nèi)容提供商，包括影視（百事通、優(yōu)酷、土豆、奇異、華數(shù)等）、電影票（格瓦拉等）、音樂、餐飲（大眾點評、訂餐小秘書）、股票（新浪財經(jīng)、東 方財富網(wǎng)等）、天氣（問天網(wǎng)）、航班（攜程、去哪兒）、旅游（攜程、驢媽媽）、導航（高德、凱立德等）、政府、行業(yè)知識庫等。

（三）應用、服務

1、智能電視提供商

包括長虹、創(chuàng)維等智能電視提供商、機頂盒提供商，以及東方有線、百事通、中國電信IPTV以及機頂盒生產(chǎn)廠商、服務運營商等，也可以包括費通、盛付通等支付渠道商。

2、智能車載設備提供商

包括各車廠、汽車安全信息服務提供商（如安吉星等）、車載信息服務提供商（如高德、凱立德等）等。

3、電話呼叫中心

包括移動、電信、聯(lián)通各運營商，以及以金融為代表的大型現(xiàn)代服務企業(yè)，還有面向中小型企業(yè)的綜合服務平臺等。

4、智能移動終端廠商

包括以華為、聯(lián)想、盛大、中興等為代表的智能移動終端廠商。

5、智能家居廠商

包括以海爾、典眾智能為代表的智能家居廠商。

三、智能語音人機交互產(chǎn)業(yè)競爭格局

隨著人機交互技術(shù)對語音技術(shù)的強烈需求，除了傳統(tǒng)的智能機器人廠商以外，語音技術(shù)提供商和傳統(tǒng)的搜索廠商也紛紛推出自己的產(chǎn)品，進入智能語音人機交互行列，形成了智能機器人廠商、語音技術(shù)提供商、傳統(tǒng)搜索廠商和移動客戶端開發(fā)者四大陣營，產(chǎn)業(yè)競爭進一步加劇。

（一）智能機器人廠商

智能機器人廠商是目前主要的智能交互技術(shù)提供商，是智能交互產(chǎn)業(yè)的重要組成部分。Gartner報告指出，截止2011年初，全球大約有36家智能客服系統(tǒng)服務商。如美國加州的eGain，主要為客戶提供“云計算”交互中心方案或內(nèi)部部署，客戶超過上百家，遍及電信、金融、零售、公共事業(yè)、政府、制造、媒體、電子商務、旅游、汽車、外包、科技以及服務等行業(yè)。瑞典的Artificial Solutions定位于為企業(yè)和政府機構(gòu)開發(fā)客服機器人，他們已經(jīng)成功的為歐洲近幾十個政府部門提供客服機器人，從而減輕人工工作壓力。

智能客服機器人在國內(nèi)的發(fā)展應用于近幾年呈現(xiàn)出了快速增長的勢頭，其中有代表性的是小i機器人推出的智能客服機器人系列產(chǎn)品。

（二）語音技術(shù)提供商

語音技術(shù)提供商紛紛借助這次智能語音人機交互產(chǎn)業(yè)發(fā)展高潮，不斷推出相關產(chǎn)品，提升自己提供智能機器人解決方案的能力。Nuance除了在北美市場擁有自己類似的解決方案Dragon go！，也在亞洲市場和一些當?shù)睾献骰锇楹献?，共推解決方案。國內(nèi)語音技術(shù)引領者科大訊飛也推出了訊飛語點這樣的產(chǎn)品。但語音廠商推出的智能機器人有明顯的語音技術(shù)的痕跡，主要是命令格式的識別，而自然語言處理和智能交互性存在一定的不足。

（三）搜索廠商

雖然Siri也整合多家搜索引擎，但在很多情況下，是直接給了用戶答案，這種方式的易用性和效率以及用戶體驗遠比傳統(tǒng)的搜索引擎要強，也是對傳統(tǒng)搜索的挑戰(zhàn)。因此國際搜索巨頭谷歌，以及國內(nèi)的搜索公司百度、搜搜、搜狗等都在準備智能語音人機交互產(chǎn)品，提升自我競爭力。谷歌發(fā)布Google Now，能自動從互聯(lián)網(wǎng)尋找知識，能回答的內(nèi)容甚至比Siri更多。

（四）移動客戶開發(fā)端

Siri出 現(xiàn)和移動互聯(lián)網(wǎng)的空前繁榮，引來的無數(shù)移動客戶端開發(fā)者開發(fā)智能語音人機交互相關的應用。他們采用第三方免費的語音識別服務（如訊飛語音云和谷歌語音搜索等），用簡單的關鍵詞匹配或全文檢索引擎實現(xiàn)文本交互功能，做了大量的控件在客戶端上展示信息，整合了一些諸如指南針的實用小功能等。

四、智能語音人機交互關鍵技術(shù)分析

基于語音的智能人機交互是當前人機交互技術(shù)的主要表現(xiàn)形式，語音人機交互過程包括信息輸入和輸出的交互、語音處理、語義分析、智能邏輯處理以及知識和內(nèi)容的整合。

圖2 智能語音人機交互過程

結(jié)合語音人機交互過程，可以看出智能語音人機交互關鍵技術(shù)主要如下：

（一）自然語音處理技術(shù)

包括中文分詞、詞性標注、實體識別、句法分析、自動文本分類等技術(shù)。

（二）語義分析和理解

包括知識表示、本體理論、分領域的語義網(wǎng)絡、機器推理等。

（三）知識構(gòu)建和學習體系

包括搜索技術(shù)、網(wǎng)絡爬蟲、數(shù)據(jù)挖掘、知識獲取、機器學習等技術(shù)。

（四）語音技術(shù)

包括語音識別、語音合成和聲紋識別等。

（五）整合通信技術(shù)

包括跨平臺即時通訊整合技術(shù)、超大負載消息集群處理技術(shù)、移動客戶端開發(fā)技術(shù)。

（六）云計算技術(shù)

包括海量數(shù)據(jù)分布式存儲、統(tǒng)計和分析技術(shù)。

五、智能語音人機交互技術(shù)在典型行業(yè)的應用

語音交互方式替代文本交互方式，可以增強信息輸入方式，能和更多的設備進行整合，市場前景廣闊。目前，智能語音人機交互技術(shù)已經(jīng)廣泛應用到智能客服、智能終端等領域，切實深入到人們的生活。

（一）智能客服

智能客服是以自然語言處理和智能人機交互等多種人工智能技術(shù)為基礎，通過即時通訊、網(wǎng)頁、短信等形式，以擬人化方式與用戶進行實時交互的軟件系統(tǒng)，能夠?qū)崿F(xiàn)智能客服咨詢和產(chǎn)品營銷推廣等功能。如果在智能客服的交互前端接入經(jīng)過領域語料訓練的語音識別能力，智能客服機器人就可以順利的接入到目前的電話呼叫中心。

傳統(tǒng)的客戶服務中心以電話呼叫中心為主，并且很多大型服務企業(yè)在不斷拓展更為經(jīng)濟高效的電子渠道，如網(wǎng)上在線客服、短信、智能手機應用等。而以領域客戶化知識庫建設為核心工作，并通過文本或語音等方式交互的智能客服系統(tǒng)則可以有效地和多渠道的客戶服務中心做整合。在大幅縮減客服成本的同時，能夠有效減少人工成本，增強用戶體驗，從而提升服務的質(zhì)量和企業(yè)創(chuàng)新的品牌形象。

圖3 客服系統(tǒng)技術(shù)和產(chǎn)業(yè)化路徑

國外的智能客服系統(tǒng)市場發(fā)展較早，信息系統(tǒng)發(fā)展相對完善（尤其是CRM系統(tǒng)），人工服務的成本較高，促使企業(yè)有較大的動力采用智能客服系統(tǒng)，智能客服技術(shù)提供商和客戶較多。

而在國內(nèi)，由于企業(yè)的信息系統(tǒng)發(fā)展相對滯后，人力成本相對較低，企業(yè)采用智能客服系統(tǒng)的動力嚴重不足。近幾年，隨著大家對智能客服的認知的提高，對新技術(shù)采用相對比較積極的電信運營商、金融領域已有多家采用了智能客服系統(tǒng)。

隨著人們對智能客服系統(tǒng)服務價值的認知度的提高，以及交互習慣的形成，智能客服系統(tǒng)的社會價值和經(jīng)濟價值將會進一步顯現(xiàn)。以中國移動的客服機器人測算，目前移動集團在全國的人工客服坐席以10萬計，一個坐席一年的運營平均成本為10萬，采用智能客服可以節(jié)約20%的開銷，僅移動行業(yè)一年就可以節(jié)約成本20億。據(jù)Gartner預計，到2013年全球1000強公司中至少有15%會采用智能客服系統(tǒng)來提高服務水平。

（二）智能終端

以智能手機、平板電腦、智能電視、智能車載為代表的智能終端是智能語音人機交互技術(shù)最廣泛的應用。在蘋果Siri的帶動下，包括Android、WP以及采用這些操作系統(tǒng)的平板電腦，都有采用類似Siri的智能應用的強烈需求。谷歌預計目前大約有25%的Android設備通過語音進行搜索。Datamonitor預計到2014年語音識別系統(tǒng)在全球移動終端市場的份額將達到2009年的3倍，移動終端有望成為智能語音技術(shù)的一個快速增長市場。

附：盤點國內(nèi)外語音交互公司

一、國外語音交互

Nuance

全球最大的語音技術(shù)公司，超1000項專利技術(shù) ，一度雄霸天下。當然現(xiàn)在依然很牛啦。在中國，有9%的語音識別應用是采用Nuance的核心技術(shù)。它和電信、移動、聯(lián)通、網(wǎng)通都有合作，cctv春晚的呼叫中心也應用此技術(shù)。

微軟

提到微軟在語音交互的布局，不得不說起微軟兩姐妹，小冰和小娜。小娜Cortana是微軟發(fā)布的全球第一款個人智能助理。能夠了解用戶的喜好和習慣， 幫助用戶進行日程安排、問題回答等。小冰目前已發(fā)布第三代，聽說讀寫技能都已解鎖，從最初只能單純的文字對話跨越至純語音的互動聊天。

谷歌

Google一直致力于投資語音技術(shù)，此前收購多家語音識別技術(shù)公司及專利。2011年，收購語音通信技術(shù)公司 SayNow 和語音合成技術(shù) Phonetic Arts。2014年收購SR Tech Group的多項語音識別相關的專利，其中包括“搜索引擎語音界面”和“修改、更新語音識別項目系統(tǒng)”的專利。

今年4月份Google還開放了自己的語音識別API，即Google 語音搜索和語音輸入的支持技術(shù)。Google Cloud SPeech API包括了80多種語言，適用于各種實時語音識別與翻譯應用。

蘋果

蘋果收購過Siri、Novauris、VocalIQ等語音技術(shù)公司，且請了不少牛B的人組建基于神經(jīng)網(wǎng)絡算法的語音識別團隊。最近蘋果正依靠語音 助手Siri構(gòu)建更大的生態(tài)系統(tǒng)，在最新的HomeKit的合作伙伴名單中，除了國內(nèi)廠商海爾，還有照明廠商飛利浦、科銳（CREE），以及Marvell（美滿電子）、Honeywell（霍尼韋爾）等全球頂級制造商。

初創(chuàng)公司Viv Labs

提到蘋果Siri還容易讓人想到，Siri 的兩位創(chuàng)始人在離開蘋果之后，他們另起爐灶，創(chuàng)辦了一家名為 Viv Labs 的初創(chuàng)企業(yè)，他們準備打造一位智能經(jīng)過全新升級的助手：Viv，它能夠理解復雜句子，在用戶對它的使用中自主學習，并且?guī)椭瓿墒虑?。這些簡直就是 iPhone 用戶當初對 Siri 的美好想象。

亞馬遜

Echo音箱就是一個黑色的小柱子，相比起其他的智能語音助手比如 Siri，它實物，不是Siri這樣的虛擬語音助手。一年多下來，Echo已經(jīng)成為了語音控制智能家居的入口。

二、國內(nèi)語音交互

科大訊飛

成立于1999年底，依靠中科大的語音處理技術(shù)以及國家的大力扶持，很快就走上了正軌，是目前國內(nèi)最有影響力的語音技術(shù)公司，08年的時候就已經(jīng)掛牌上市了，目前市值接近500億。

中科信利

中科信利是國內(nèi)第一家具有大規(guī)模商用案例的語音 技術(shù)公司，是專業(yè)的語音核心技術(shù)和解決方案提供商。公司專注于語音識別和音頻信號處理相關技術(shù)和產(chǎn)品的研發(fā)，具有國際一流水平的語音識別/處理引擎、語音云系統(tǒng)和語音分析應用產(chǎn)品，產(chǎn)品涵蓋互聯(lián)網(wǎng)、電信平臺、廣電網(wǎng)、教育、音樂檢索以及嵌入式終端等多個領域，是擁有全部核心技術(shù)自主知識產(chǎn)權(quán)。

捷通華聲

捷通華聲科技股份有限公司成立于2000年10月，是一家專注于智能語音、智能圖像、語義理解等人工智能技術(shù)的研究與應用，全面發(fā)展人工智能云服務的高新技術(shù)企業(yè)。2001年，捷通華聲推出代表國內(nèi)最高水平的中文語音合成技術(shù)。2014年，靈云平臺面向產(chǎn)業(yè)全面開放，并以“云 + 端”方式，為產(chǎn)業(yè)界提供語音合成（TTS）、語音識別（ASR）、聲紋識別（VPR）、手寫識別（HWR）、光學字符識別（OCR）、指紋識別 （FPR）、機器翻譯（MT）、自然語言理解（NLU）等全方位人工智能能力。

百度

語音交互其實很早就被百度確立為戰(zhàn)略方向，2010年的時候百度就與中科院聲學 所合作研發(fā)語音識別技術(shù)，但是沒搞好。直到14年，百度請來了人工智能領域的泰斗級大師吳恩達，正式組建了語音團隊，專門研究語音相關技術(shù)，才得以咸魚翻身。到目前為止，已斬獲了近13%的市場份額，技術(shù)實力可與科大訊飛相提并論。

除了技術(shù)外，我們還看到百度積極地布局應用端，CarLife、MyCar以及在上個月CES上推出的CoDriver都是百度在車聯(lián)網(wǎng)語音交互的生態(tài)布局。還有百度之前推出的度秘，之前也在KFC中實現(xiàn)了語音點餐這一功能。

搜狗

7月16日，奇點?極客公園創(chuàng)新者峰會上，王小川表示，目前搜狗一天有1.4億的語音識別量，準確度超過97%，有7%的用戶會使用語音識別。目前搜狗語音的技術(shù)已經(jīng)不僅僅能夠識別語音，更重要的是可以通過完全不依靠雙手進行文字的修改。

搜狗輸入法在語義理解方面的大數(shù)據(jù)積累、搜狗本身就在做的地圖，再加上目前由搜狗自主開發(fā)的語音交互技術(shù)，這3者深度結(jié)合，在車聯(lián)網(wǎng)應用領域的確也很具優(yōu)勢的。

思必馳

思必馳初創(chuàng)于07年，由劍橋大學團隊創(chuàng)立于英國劍橋高新區(qū)，同科大訊飛一樣，思必馳是國內(nèi)為數(shù)不多的擁有全套語音類知識產(chǎn)權(quán)的公司。在語音識別、語音合成、語義理解、聲紋識別、對話管理、音頻分析等方面均有深厚技術(shù)積累。

目前思必馳把語音相關技術(shù)整合成 AIOS人機對話操作系統(tǒng)，作為安卓系統(tǒng)之上的一層標準接口，提供給硬件合作伙伴。針對不同場景，AIOS 又分成了 For Car，F(xiàn)or Home，F(xiàn)or Robot 等版本，針對車載、家居、機器人等產(chǎn)品做垂直領域下的對話式交互。在15年年底，思必馳還獲得了新一輪近2億人民幣的投資。

出門問問

2012年成立，至今已累計融資7500萬美金?，F(xiàn)有投資方包括紅杉資本、真格基金，SIG海納亞洲、圓美光電、及歌爾聲學，最近還拿了Google投資的C輪融資。

出門問問基于語音識別、語義識別、垂直搜索引擎、語音合成以及智能推送幾項自主研發(fā)的核心技術(shù)，已推出了不少產(chǎn)品。有Ticwear（語音操控的可穿戴 設備）、魔法小問（語音操控，提供各類生活服務）、開車問問（智能語音車載APP）以及出門問問智能語音助手，語音識別比較紅火的幾個應用場景基本都有鋪路。

云知聲

云知聲成立于2012年，主要團隊來自于盛大研究院。語音識別技術(shù)更多源自于中科院自動化所。其語音識別技術(shù)有一定的獨到之處，有一小段時期內(nèi)語音識別率甚至超越科大訊飛。因此也受到了資本的熱捧，B輪融資達到3億人民幣，主要瞄準智能家居市場，現(xiàn)在也有智能車載解決方案。

哦啦語音

哦啦語音于2013年初成立，是威盛電子內(nèi)部孵化的創(chuàng)業(yè)項目。擁有在中文自然語言理解、語音識別、語音控制和語音交互系統(tǒng)等方面的 20 多項自主專利。目前已應用在智能家居、智能車載、可穿戴設備、語義和交互API服務、智能會議系統(tǒng)、手機語音助手幾個方面。他們家最大的特色，是對于中文語義的理解，針對用戶各種問題可以給出生動、活潑、幽默、精確的回答。

耀途資本是國內(nèi)領先的中國-以色列跨境投資機構(gòu)，合伙人團隊擁有豐富的高科技產(chǎn)業(yè)和風險投資行業(yè)經(jīng)驗，耀途資本主要投資消費升級（中國）與中以技術(shù)創(chuàng)新（物聯(lián)網(wǎng)、人工智能、企業(yè)級服務-金融科技+網(wǎng)絡安全）領域PreA和A輪的優(yōu)秀創(chuàng)業(yè)公司，基于行業(yè)深度研究與精準狙擊，同時擁有廣泛且深度的產(chǎn)業(yè)合作生態(tài)圈。

耀途資本管理兩期人民幣基金及一期美元基金，公司及基金股東包括高榕資本，大眾點評聯(lián)合創(chuàng)始人團隊，中茵股份等6家A股上市公司高管團隊，耀途資本I期基金超過50%的投資組合獲得包括阿里巴巴，HTC,萬得資訊，達晨創(chuàng)投、華映資本、盛大網(wǎng)絡、水晶光電等一線投資機構(gòu)及產(chǎn)業(yè)資本的后續(xù)投資。

文章來源：前沿技術(shù)研究

耀途之旅是耀途資本旗下專注于技術(shù)創(chuàng)新的產(chǎn)業(yè)分享與交流平臺，也是針對以色列高科技行業(yè)進行深度行業(yè)調(diào)研考察活動的組織者，通過極具深度的產(chǎn)業(yè)，文化，歷史等行程安排，幫助中國具有轉(zhuǎn)型需求的企業(yè)家拓展全球視野，洞悉全球創(chuàng)新風口以及資本運作趨勢，專注于智能硬件與物聯(lián)網(wǎng)，人工智能，企業(yè)級服務（包括互聯(lián)網(wǎng)金融Fintech以及網(wǎng)絡安全）等行業(yè)，每年超過200位包括上市公司董事長及高管在內(nèi)的企業(yè)家群體加入耀途之旅。

歡迎加入耀途之旅，共享國內(nèi)最頂級的企業(yè)家圈層，打造最前沿的終生學習交流平臺。

加入方式：

關注耀途會微信公眾號，后臺回復【真實姓名-機構(gòu)-職位-聯(lián)系方式】