智能语音是人工智能技术的重要组成部分,包括语音识别、语义理解、自然语言处理、语音交互等。当前,人工智能的关键技术均以实现感知智能和认知智能为目标。语音识别、图像识别和机器人视觉、生物识别等目前最火热的领域,主要解决的是感知智能的需求,就是使得人工智能能够感知周围的世界,能够“听见”或者“看到”。

自然语言理解、智能会话、智能决策、人机交互等技术更加侧重的是认知智能的领域,解决“听懂”、“看懂”,并且根据学习到的知识对人类的要求或者周围的环境做出反应的能力。在关键技术层中,语音识别、自然语义理解(Nature Language Process, NLP)、机器学习领域的关键技术在人工智能技术当中居于重要地位,是人机交互技术的基础。

智能语音技术在经济社会中应用场景持续扩展,目前已被广泛应用于教育、医疗、客服、个人语音助手等行业市场和个人用户等领域。中国智能语音市场已形成了包括上游的基础设施制造(芯片、传感器、算力)、中游的技术实现(语音合成、语音识别、语义理解等)以及下游的众多应用服务(家居、客服、教育等)的完整产业链结构。

智能语音技术在整个产业链中起到了承接的作用,将人工智能的技术低层产业化,并在智能家居、可穿戴设备、机器人等行业落地,是整个人工智能产业链中的关键一环。根据中国信息通信研究院的数据显示,2018年中国人工智能市场规模达230亿元,智能语音所占市场份额为22%,约50.4亿元。
        在整个人工智能产业中,智能语音产业化程度相对成熟,是所占份额比例较大的细分领域,由2014年的8.5亿元人民币发展至2018年的50.4亿元人民币,整个行业始终保持着高速发展,并将在未来持续保持下去。预计到2023年,智能语音行业市场规模将突破100亿元人民币。

智能语音技术以其广阔的产业化应用席卷人们日常生活和工作的方方面面,其产业规模的大幅提升主要源于两方面的驱动支持。第一,大数据、云计算等技术的快速发展使得智能语音技术的应用不断成熟,能够满足政府、金融、家电、汽车等多领域垂直行业的应用需求。

第二,各国政府、相关行业及资本都持续关注智能语音技术的研发和产业化。作为战略性和前瞻性的重要新兴产业,语音交互技术始终是世界各国科学界和投资界的关注焦点,各国都力争率先取得关键技术突破,占据产业先机位置,以取得智能语音产业的领导权。中国、美国、欧洲、日本等国政府均专门立项予以重点扶持,并投入重金设立专项计划。

相比西方国家,语音识别技术和自然语言处理技术在中国的发展尤其迅猛,很大程度上是由自身的独特因素所导致。如用户规模较大,以及中文难以手写等。

(1)用户群体庞大:作为人口大国,中国有着更大的用户基数,且人均资源少,可用机器替代的岗位数量多于其余国家,有着广阔的增长空间。如在客服领域,在中国每个客服需要处理的业务数量远大于西方国家,智能语音识别技术能够很好地解决类似问题。

(2)中文难以手写:与其他语系的文字相比,中文的手写较为繁琐,语音相比打字是一种更为自然的输入方式。且汉语句法和语法相对简单,没有虚拟语气和条件语句,降低了语音识别的难度。