近年來(lái)智能語(yǔ)音市場(chǎng)的火熱，引起了越來(lái)越多的人的關(guān)注。最明顯的標(biāo)志，就是科大訊飛的市值。作為語(yǔ)音行業(yè)的龍頭企業(yè)，短短幾年時(shí)間，科大訊飛的市值從剛上市時(shí)的34億，已經(jīng)增長(zhǎng)到超過(guò)200億，讓人瞠目結(jié)舌。而這幾年移動(dòng)互聯(lián)網(wǎng)的大規(guī)模爆發(fā)，作為主要載體的智能手機(jī)在打字輸入方面非常不方便，這更讓語(yǔ)音識(shí)別技術(shù)變成了必需品。這大大拓展了智能語(yǔ)音市場(chǎng)的想象空間，讓人們不得不盯緊這塊巨大的蛋糕。那么，這塊巨大的蛋糕里，有多少家公司，每家公司的水平如何，讓我們來(lái)做一番梳理。

技術(shù)門檻

首先要知道，智能語(yǔ)音行業(yè)是個(gè)技術(shù)密集型的行業(yè)，核心技術(shù)一直是智能語(yǔ)音行業(yè)的一個(gè)重要門檻，也是一家語(yǔ)音公司的核心資源。智能語(yǔ)音行業(yè)的技術(shù)很多，除了最著名的語(yǔ)音識(shí)別、語(yǔ)音合成外，還有說(shuō)話人識(shí)別、音樂(lè)識(shí)別、語(yǔ)種識(shí)別等。如同“數(shù)學(xué)是科學(xué)的皇冠”一樣，語(yǔ)音行業(yè)技術(shù)也有一個(gè)“皇冠”，那就是“語(yǔ)音識(shí)別”。為什么語(yǔ)音識(shí)別是“皇冠”?兩點(diǎn)理由：一是技術(shù)上最難，二是實(shí)用前景最大。所以要考察一家語(yǔ)音公司的技術(shù)水平如何，就看它是否能提供高性能的語(yǔ)音識(shí)別產(chǎn)品?？拼笥嶏w一直說(shuō)自己的行業(yè)門檻高，主要就是指語(yǔ)音識(shí)別技術(shù)的門檻高。

前幾年語(yǔ)音行業(yè)不景氣，做語(yǔ)音的多是以學(xué)術(shù)界為主，這使得國(guó)內(nèi)的語(yǔ)音核心技術(shù)一直掌握在科大訊飛、中科院聲學(xué)所、中科院自動(dòng)化所、清華大學(xué)等幾家單位里。同時(shí)也導(dǎo)致語(yǔ)音行業(yè)的人才很稀缺?；ヂ?lián)網(wǎng)大佬們有錢都招不到人。

除了國(guó)內(nèi)的幾家單位，還有一些著名外企在國(guó)內(nèi)設(shè)了語(yǔ)音研究機(jī)構(gòu)，水平也很高。比如鼎鼎大名的微軟亞洲研究院，給SIRI提供語(yǔ)音技術(shù)的Nuance，還有IBM、摩托羅拉。不過(guò)這幾家外企的語(yǔ)音部門并沒(méi)有隨著國(guó)內(nèi)語(yǔ)音產(chǎn)業(yè)的爆發(fā)而發(fā)展。微軟亞洲研究院的語(yǔ)音組一直在縮水;Nuance在中國(guó)的部門一直不是核心部門;IBM的相關(guān)部門賣給了Nuance;摩托羅拉更別提了，是其中最慘的一個(gè)，語(yǔ)音部門解散，語(yǔ)音合成的部分賣給了Nuance。除了語(yǔ)音產(chǎn)業(yè)在前些年一直做不大的原因以外，筆者猜測(cè)的一個(gè)原因是，語(yǔ)音識(shí)別牽涉到信息搜集，有國(guó)家安全的考慮，所以國(guó)家不會(huì)把這部分業(yè)務(wù)放給外企來(lái)做，外企也就不再在國(guó)內(nèi)加大投入。比如Google的語(yǔ)音識(shí)別服務(wù)，國(guó)內(nèi)的連接一直就時(shí)斷時(shí)續(xù)。

算起來(lái)，現(xiàn)在語(yǔ)音行業(yè)的核心帶頭人，或多或少都和上述幾家公司和單位有著聯(lián)系，要么從這幾家單位獲得學(xué)位畢業(yè)，要么加入過(guò)這幾家公司。

盛大往事

談到國(guó)內(nèi)語(yǔ)音產(chǎn)業(yè)的發(fā)展，不能不提的就是盛大語(yǔ)音院。因?yàn)樗_實(shí)是從無(wú)到有，花了三年時(shí)間，突破了語(yǔ)音產(chǎn)業(yè)的技術(shù)“護(hù)城河”。它所花費(fèi)的人力成本、時(shí)間成本，無(wú)疑給各個(gè)互聯(lián)網(wǎng)大佬們做了個(gè)樣板。大佬們可以從盛大語(yǔ)音創(chuàng)新院的花費(fèi)中，推算出如果自己想從頭開(kāi)始投資語(yǔ)音技術(shù)，需要花多少人、多少時(shí)間、多少資金，才可以在語(yǔ)音市場(chǎng)上有一席之地。這幾個(gè)重要指標(biāo)下面都會(huì)細(xì)致的談一談。

盛大2009年開(kāi)始成立的語(yǔ)音院，是金融危機(jī)爆發(fā)的后一年，也剛好是國(guó)內(nèi)語(yǔ)音產(chǎn)業(yè)爆發(fā)的前一年。上文說(shuō)過(guò)，語(yǔ)音行業(yè)的人才緊缺。也就是這個(gè)時(shí)候，才能從各大語(yǔ)音公司和部門，挖過(guò)來(lái)那么多核心員工。據(jù)了解，盛大組建的語(yǔ)音團(tuán)隊(duì)，從事語(yǔ)音技術(shù)研發(fā)的核心員工，最多的時(shí)候有三十多人。這對(duì)于語(yǔ)音研發(fā)團(tuán)隊(duì)來(lái)說(shuō)，是個(gè)相當(dāng)恐怖的數(shù)字。因?yàn)橥ǔＲ患夜镜暮诵恼Z(yǔ)音成員都在十人以下。而國(guó)內(nèi)做語(yǔ)音的也就那幾家公司。盛大基本上挖了個(gè)遍。所知道的，科大訊飛、中科院聲學(xué)所、Nuance、摩托羅拉、微軟亞洲研究院都有核心員工被挖到盛大。這些員工帶著原來(lái)公司的核心技術(shù)來(lái)到盛大，自然也要盡快拿出成果。帶著這幾家大公司的核心技術(shù)，在三四十員工的研發(fā)下，盛大還是花了兩三年時(shí)間，才拿出了像樣的語(yǔ)音產(chǎn)品。不得不說(shuō)，語(yǔ)音行業(yè)的技術(shù)門檻確實(shí)很高。盛大也是機(jī)緣巧合，才能突破語(yǔ)音技術(shù)“護(hù)城河”。

所以，從盛大的經(jīng)驗(yàn)來(lái)看，要從頭開(kāi)始做語(yǔ)音技術(shù)，人數(shù)上要有三十多人。而且這一過(guò)程至少需要兩年的時(shí)間，如果考慮到團(tuán)隊(duì)組建，可能會(huì)更長(zhǎng)。資金方面，據(jù)悉，盛大對(duì)語(yǔ)音院的投入達(dá)到了四千多萬(wàn)，人力成本的開(kāi)銷的比重較大。由于這兩年各大公司都開(kāi)始成立語(yǔ)音部門，需求的增長(zhǎng)也讓語(yǔ)音人才的薪資水漲船高。所以，四千萬(wàn)的資金投入還不一定能滿足這樣的成本開(kāi)銷。

不過(guò)，盛大在語(yǔ)音行業(yè)走了步好棋，甚至市場(chǎng)上有聲音稱其有望挑戰(zhàn)科大訊飛。但不幸的是，整個(gè)盛大集團(tuán)近期一直處于衰退階段。因?yàn)橥耸卸Y金不足的盛大，只能大幅度減少投資力度。盛大語(yǔ)音院的上級(jí)機(jī)構(gòu)——盛大創(chuàng)新院幾乎全部解散，讓人唏噓不已。在這場(chǎng)動(dòng)蕩中，一部分員工離開(kāi)了盛大語(yǔ)音院，成立了一家叫“云知聲”的公司。云知聲大約有90%的員工曾就職于盛大。短短幾個(gè)月內(nèi)，這家公司就推出了自己的語(yǔ)音識(shí)別技術(shù)。

盛大在語(yǔ)音方面的投入也不是完全沒(méi)有結(jié)果。2013年，盛大語(yǔ)音院從盛大正式獨(dú)立，成立了一家叫“靈聲科技”的公司。據(jù)靈聲科技方面稱，盛大沒(méi)有得到靈聲科技的控股權(quán)，以盛大以往在資本運(yùn)作上的強(qiáng)勢(shì)風(fēng)格來(lái)看，不知中間又發(fā)生了什么故事。

盛大栽下了“語(yǔ)音院”這棵樹(shù)，結(jié)了兩顆果子，一顆是“靈聲科技”，一顆是“云知聲”。從此，盛大語(yǔ)音院的故事告一段落，兩個(gè)新的公司帶著盛大的核心技術(shù)，開(kāi)始了各自的征程。

互聯(lián)網(wǎng)大佬的現(xiàn)狀

既然盛大投資了語(yǔ)音產(chǎn)業(yè)，其他幾家互聯(lián)網(wǎng)巨頭也想從該領(lǐng)域分一杯羹。騰訊、百度、阿里、搜狗陸續(xù)成立了語(yǔ)音部門。

對(duì)百度和搜狗這類搜索公司，語(yǔ)音識(shí)別技術(shù)是必須的，而且其商業(yè)價(jià)值也很清晰，因?yàn)镚oogle已經(jīng)驗(yàn)證了語(yǔ)音搜索在移動(dòng)終端的重要性，國(guó)內(nèi)搜索公司只需要跟進(jìn)投入即可。因此，百度方面由李彥宏親自督管該項(xiàng)目。騰訊方面，其語(yǔ)音部門隸屬于微信事業(yè)部，微信大批量的語(yǔ)音輸入，使得語(yǔ)音識(shí)別的用處很廣泛。阿里則是剛開(kāi)始介入語(yǔ)音產(chǎn)業(yè)，部門也才成立不久。

這幾家公司里，百度的語(yǔ)音技術(shù)已經(jīng)做的不錯(cuò)。2010年就成立了語(yǔ)音部門的百度，開(kāi)始都是游兵散勇。百度還從中科院聲學(xué)所買了一些授權(quán)，但是沒(méi)有專業(yè)的語(yǔ)音開(kāi)發(fā)人員，沒(méi)做出什么成果。正如之前所說(shuō)，語(yǔ)音技術(shù)門檻高，從頭開(kāi)始做很難，沒(méi)有其他公司的技術(shù)積累基本無(wú)望。百度后來(lái)從中科院自動(dòng)化所挖來(lái)一批人才，通過(guò)自動(dòng)化所的技術(shù)累積，花了兩年多的時(shí)間，才慢慢地把語(yǔ)音技術(shù)做了起來(lái)。騰訊其實(shí)也差不多從2010年左右開(kāi)始投入語(yǔ)音技術(shù)，但是力度一直比較分散。據(jù)說(shuō)當(dāng)時(shí)騰訊研究院、輸入法等兩三個(gè)地方都在做語(yǔ)音，每個(gè)團(tuán)隊(duì)都是一兩個(gè)人，所以一直沒(méi)見(jiàn)成果。近期由于微信大紅，其中有大量的語(yǔ)音輸入，因此才將語(yǔ)音研發(fā)人員整合起來(lái)，步入正軌，不過(guò)要達(dá)到其它家的水平，尚需時(shí)日。其他幾家公司中，搜狗對(duì)語(yǔ)音技術(shù)已投入了一年多，目前為止還是相當(dāng)一般，否則搜狗語(yǔ)音助手也不會(huì)還依賴于第三方的語(yǔ)音引擎了。阿里的部門今年才成立，更不用說(shuō)技術(shù)了。

國(guó)內(nèi)那些專業(yè)語(yǔ)音公司

除了上文提到的語(yǔ)音公司的龍頭企業(yè)——科大訊飛，出身于盛大的云知聲和靈聲科技外，其實(shí)在近些年里，國(guó)內(nèi)成立的其他語(yǔ)音公司也有若干家。捷通華聲就是一個(gè)出身于科研院所的典型。這家語(yǔ)音公司一開(kāi)始技術(shù)上是依托于中科院的聲學(xué)所，成立時(shí)間基本和訊飛相當(dāng)。在之前相當(dāng)長(zhǎng)一段時(shí)間內(nèi)，也是和訊飛旗鼓相當(dāng)。但是最終的結(jié)果是訊飛發(fā)展起來(lái)并成功上市，而它則相對(duì)慘淡。近年來(lái)捷通華聲語(yǔ)音技術(shù)上并沒(méi)有太大的起色，而市場(chǎng)應(yīng)用也還是那一畝三分地，比如一些科研項(xiàng)目。與之類似的，另外一家依托于聲學(xué)所的語(yǔ)音公司——中科信利，其發(fā)展?fàn)顩r也差不多。

除了聲學(xué)所以外，中科院的自動(dòng)化所也是國(guó)內(nèi)語(yǔ)音技術(shù)的一股中堅(jiān)力量，從中也分出了幾家語(yǔ)音類的公司，其中包括紫冬銳意和納象立方。紫東銳意以語(yǔ)音和翻譯為核心技術(shù)，主要提供口語(yǔ)翻譯軟件。納象立方則主要對(duì)視頻進(jìn)行字幕處理。

除此之外，近期也出現(xiàn)了一些海外背景的語(yǔ)音公司，針對(duì)于大語(yǔ)音產(chǎn)業(yè)的細(xì)分領(lǐng)域。一個(gè)是蘇州思必馳，據(jù)稱該公司的創(chuàng)始團(tuán)隊(duì)成員有劍橋大學(xué)的背景，主要是將語(yǔ)音技術(shù)應(yīng)用于英語(yǔ)教育。還有一個(gè)是普強(qiáng)信息，該公司的創(chuàng)始團(tuán)隊(duì)來(lái)自硅谷，其主要業(yè)務(wù)是為呼叫中心提供智能語(yǔ)音技術(shù)。

跨越技術(shù)“護(hù)城河”的標(biāo)志

此前說(shuō)了這么多技術(shù)門檻，大家可能會(huì)有疑問(wèn)，如何判斷一家公司的語(yǔ)音技術(shù)已經(jīng)越過(guò)了“護(hù)城河”。不能是你說(shuō)行就行，你說(shuō)不行就不行，要有一個(gè)客觀標(biāo)準(zhǔn)。這個(gè)客觀標(biāo)準(zhǔn)是什么?業(yè)界的討論是，是否推出了語(yǔ)音識(shí)別公開(kāi)平臺(tái)。為什么這么說(shuō)?如之前所述，語(yǔ)音識(shí)別技術(shù)是語(yǔ)音產(chǎn)業(yè)的“皇冠”。那么判斷一個(gè)公司的核心技術(shù)水平，就看它的語(yǔ)音識(shí)別技術(shù)做的怎樣。而通過(guò)語(yǔ)音識(shí)別公開(kāi)平臺(tái)，就可以判斷一家公司的語(yǔ)音識(shí)別技術(shù)水平。從這點(diǎn)上看，科大訊飛是最早公開(kāi)發(fā)布的，也肯定了科大訊飛的技術(shù)水平。盛大語(yǔ)音院是第二家發(fā)布的，現(xiàn)變更為靈聲科技繼續(xù)開(kāi)發(fā)。搜狗公司曾使用過(guò)盛大的語(yǔ)音識(shí)別平臺(tái)，也算確認(rèn)其技術(shù)水平。云知聲推出稍晚，但是近期宣傳非常高調(diào)。其它語(yǔ)音公司包括捷通華聲、紫冬語(yǔ)音甚至普強(qiáng)信息也各自都發(fā)布自己的語(yǔ)音技術(shù)平臺(tái)，但是在市場(chǎng)上并沒(méi)有看到太多應(yīng)用的聲音。百度雖然沒(méi)有對(duì)外發(fā)布，但是在百度內(nèi)部，已經(jīng)推出了一個(gè)語(yǔ)音識(shí)別平臺(tái)。這幾家可以算得上圈子內(nèi)正式的玩家。

發(fā)展前景

我們把國(guó)內(nèi)現(xiàn)有的語(yǔ)音公司和部門分為兩類。一類是獨(dú)立的語(yǔ)音公司，以訊飛、云知聲、靈聲科技為代表;一類是互聯(lián)網(wǎng)巨頭公司的語(yǔ)音部門，以百度、騰訊、搜狗為代表。

獨(dú)立的語(yǔ)音公司策略比較靈活，可以多方面發(fā)展，但平臺(tái)的可能性不夠大。但訊飛比較例外，即作為獨(dú)立的語(yǔ)音公司，同時(shí)去年又和中國(guó)移動(dòng)達(dá)成戰(zhàn)略合作，解決了發(fā)展平臺(tái)的問(wèn)題。這也是它被投資者看好的原因。出身于盛大的靈聲科技、云知聲，雖然語(yǔ)音技術(shù)上已經(jīng)可以和訊飛相媲美，但發(fā)展平臺(tái)與訊飛差距很大，商務(wù)上也不及訊飛這么多年的積累，需要傍大樹(shù)，才能獲得迅速的發(fā)展。但技術(shù)門檻已經(jīng)被突破，所以訊飛也在這幾家新公司而頭疼。

互聯(lián)網(wǎng)巨頭公司的語(yǔ)音部門有個(gè)大的發(fā)展平臺(tái)，但是基本上只服務(wù)于公司的整體戰(zhàn)略，很難在多方面發(fā)展。比如百度的語(yǔ)音部門，就服務(wù)于百度的語(yǔ)音搜索業(yè)務(wù)和語(yǔ)音助手業(yè)務(wù)。騰訊的語(yǔ)音部門，就服務(wù)于微信業(yè)務(wù)。這些部門今后的命運(yùn)，可能類似于微軟公司的語(yǔ)音部門、谷歌公司的語(yǔ)音部門，專門為本公司的核心戰(zhàn)略服務(wù)。

隨著去年SIRI的推出，語(yǔ)音號(hào)稱作為移動(dòng)互聯(lián)網(wǎng)的入口，想象空間高到爆棚，讓所有人都心動(dòng)了一把。但經(jīng)過(guò)這段時(shí)間的發(fā)展來(lái)看，還為時(shí)過(guò)早。整個(gè)語(yǔ)音產(chǎn)業(yè)的后續(xù)發(fā)展趨勢(shì)，還值得繼續(xù)觀察。