物聯(lián)網(wǎng)與智能完美融合，創(chuàng)造智能物聯(lián)時代，給我們提供了更多的發(fā)展空間。在此同時，語音識別系統(tǒng)又作為人機交互的入口，人工智能和機器學習的迅猛發(fā)展，使語音控制變得更為實用。由此看來，語音識別技術是多么的重要，占有無法替代的重要地位。雖然語音識別與生物識別相比，發(fā)展相對緩慢，但是學術界和工業(yè)界對于語音市場都很看好，這意味著未來發(fā)展空間十分巨大。

據(jù)中國語音產業(yè)聯(lián)盟發(fā)布的《2017－2018中國智能語音產業(yè)白皮書》顯示，2014年至2018年，中國智能語音產業(yè)規(guī)模由30億元增長至159．7億元，年平均增長率接近40％。不難發(fā)現(xiàn)，語音識別技術正在開啟智能新時代，其中AI公司的力量不可忽視。

隨著語音／聲學以及人工智能技術的發(fā)展，語音已經被認為是下一代人機交互關鍵技術。埃森哲調研顯示，有77％的受訪中國消費者使用智能語音助手，對于獨立智能語音助手的滿意度達到97％，因而對其有著更高的期待，希望更多的設備與之實現(xiàn)集成，并保證更高的信息透明度。

目前無論是智能音箱還是其他智能設備，更多的智能都是在云端來實現(xiàn)，但云端存在著語音交互時延的問題，對網(wǎng)絡的需求限制了設備的使用空間，以及由此帶來的數(shù)據(jù)與隱私危機。為了讓設備使用場景不受局限，用戶體驗更好，端側智能以成為一種趨勢，語音AI芯片也隨之而來。

與國際科技巨頭一樣，中國的AI公司也在積極推出語音芯片，以支持智能音箱和其他語音助手設備，讓語音信號解碼、壓縮和傳輸更加清晰、迅速，從而更好地提高語音識別能力，提升語音指令的用戶體驗。除了智能家居場景外，對以智能語音交互為核心業(yè)務的廠商來說，車載市場無疑是另一大領域。隨著越來越多車載語音交互量產車的落地，未來車載芯片設計領域也必然會把語音交互功能作為一大重要板塊進行集成。

語音識別的關鍵是基于大量樣本數(shù)據(jù)的識別處理，國內大多數(shù)語音識別技術商都在平臺化的方向上發(fā)力，以通過不同平臺以及軟硬件方面的數(shù)據(jù)和技術積累不斷提高識別準確率。近年來，AI公司不斷深耕行業(yè)，紛紛布局智能語音，取得炫目的成就，以人工智能四小龍中的依圖與云從為例，便可窺見一斑：

上榜CB Insights全球AI百強的依圖科技，在中文語音識別技術上致力創(chuàng)新，成果斐然。2018年12月，在中文開源數(shù)據(jù)庫AISHELL－2中，依圖短語音聽寫的字錯率（CER）僅為3．71％，大幅刷新現(xiàn)有紀錄。依圖還聯(lián)合微軟Azure推出依圖語音開放平臺，并攜手華為發(fā)布“智能語音聯(lián)合解決方案”，將依圖的語音識別技術提供給廣泛的第三方應用開發(fā)者，共同推動智能語音行業(yè)的進步。

云從科技作為人工智能獨角獸企業(yè)，在語音識別領域亦有不凡表現(xiàn)。2018年10月，云從科技在語音識別技術上取得重大突破，在全球大的開源語音識別數(shù)據(jù)集Librispeech上刷新了世界紀錄，錯詞率（Worderrorrate，WER）降到了2．97％，將Librispeech的WER指標提升了25％，超過阿里、百度、約翰霍普金斯大學等企業(yè)及高校，大幅刷新原先記錄，使得語音識別離更良好的交互體驗越來越近。

如果說視覺是人獲取信息的主要渠道，那么語音則是人輸出信息的主要渠道。要實現(xiàn)更好的人工智能體驗，“視覺＋語音＋語義”的復合型AI技術將缺一不可，尤其在人機交互場景中。相信隨著智能語音技術步入黃金期，未來成熟化的語音產品將通過云平臺和智能硬件平臺快速實現(xiàn)商業(yè)化部署。