互联网巨头AI领域混战，语音技术为何成重头戏？

　　互联网的下半场，多家巨头公司将目光瞄准了人工智能（ AI ），更准确的说法是，人工智能领域的语音识别技术。

　　锤子 M1 手机发布会上，科大讯飞快速精准的语音转换文字功能，让普通大众对语音识别技术有了直观的深刻印象。

　　今年的云栖大会杭州主会场与其他一些分会场上，阿里云的“小 AI”机器人即时文字传译功能暗示，机器人要来抢同声传译的饭碗了。

　　无独有偶，第三届世界互联网大会上，搜狗也推出了实时机器翻译产品，这款产品不仅能很快将搜狗 CEO 王小川的演讲转化为文字，而且还做出英文翻译。或许未来，语音识别技术真的会让现场的同声翻译失业。

　　▲ 搜狗 CEO 王小川展示语音实时翻译技术（Source：搜狗手机输入法微博）

　　11 月 22 日，百度宣布开放四项全新语音技术接口，分别是情感合成、远场方案、唤醒二期技术与长语音方案。百度指出，这些技术有很大的潜力，旨在解决人们使用语音识别技术时普遍感到困扰的问题。

　　比如远场方案可将语音识别的范围提高至 3 到 5 米，上海肯德基旗舰店的“小度机器人”使用这项技术后，可远距离随时应答。又比如情感合成，它能给合成语音加入情感，从而达到真人发声的效果。

　　上述互联网巨头们，尽管发力 AI 的侧重点不同，但都极为倚靠语音识别技术，这是因为语音识别是最方便的人机交互方式，是人工智能的重要入口。百度公司首席科学家吴恩达就在语音识别技术取得新突破后，自信对媒体表示，“我们已经站在人工智能的黎明”。

　　语音识别技术包含两个层面，一是将语音进行文字传译；二是将语音信号转换为命令，从而操控机器人运行。目前来看，语音文字传译方面已经取得了很好的成绩，有的公司语音输入准确率已经达到 97 %的水平，搜狗的语音翻译方面，准确率也已达到 90 %。

　　接下来，互联网公司需要提高的是语音指令，比如提高机器识别语音的速度，并作出准确的动作等。