編者按：回顧2013，智能語音熱潮整整嗨了一整年，最終以工信部牽頭主辦的中國語音產業聯盟年會為此畫上了一個圓滿的句號。然而2014年國內整個語音產業開局卻顯疲軟，熱度呈下滑趨勢，而智能圖像、人工智能等新概念卻逐漸興起，為何？
一波三折的“智能語音”熱
早在2013年底中國語音產業聯盟年會上，北大信息技術學院智能科學系副主任吳璽宏教授就已拋出了“隨意說”一詞，他說：“現在的語音識別是否能在噪音環境中優先識別人聲？是否真正能達到語義理解？……”并且著重強調產業界切勿過早過度宣傳“語音識別”準確率、“語義理解”等大詞，這容易拉高用戶的期望值，其實對產業的發展有阻礙作用。而清華大學鄭方博士也對北大觀點給予了支持，表示產業界切勿過早熱炒“語義理解”等熱詞，在語音熱潮背后更需務實，技術與宣傳應保持一致；同時也建議政府多多支持中小型創新企業，強調好點子多來自中小型公司，對于中小型企業而言沒有創新突破就意味著馬上被市場淘汰，生存就是一個很大的問題，而大公司可能更多地需要照顧整體發展，創新進度相比之下較慢于中小型企業。此外，也希望加強學院與產業的合作，政府給予支持，以此吸引流失在外的尖端科技人才回歸祖國。
果不其然，一語成讖，一大批新興智能語音技術公司拔地而起，擁擠進智能語音圈，百度、騰訊、谷歌、微軟等大公司也紛紛進入這一領域，整體看上去一片大好的景象，然而實際情況卻不容樂觀。從用戶的使用率和體驗評價可以看出，大多數移動端和其它硬件上的智能語音交互功能基本還是一個你有我也有的“擺飾”，就連最著名的蘋果Siri的使用率也低至15.2%。
進入2014年后，隨著人工智能概念的崛起，語音熱潮暫時脫離了大眾和媒體的關注視野，這股熱潮也隨之“又”再次落去——之所以說“又”，是因為智能語音熱潮早在幾年前就已經歷了幾次起起落落，因此有專家笑稱“智能語音五年火一次，經歷著‘熱一陣、死一陣’的輪回。”
追其原因，高AI智能語音的實現還是一個任重而道遠的夢想，除了用戶數據積累等技術因素，語音識別率、用戶習慣與對智能語音單方面的理解仍然是不得小視的問題。
那么，借鑒國內最高學府兩位教授的勸言，國內又有多少企業接納并實行了以上建議了呢？
“ASR+TTS”智能語音的完整組合
作為國內智能語音圈數一數二的語音技術服務商捷通華聲在中國語音產業聯盟年會結束后，審時度勢，借助在京城中關村軟件園的“地利”之勢以及核心團隊人員來自清華大學的“人和”關系，積極聯動清華學府，并成功吸引清華大學注資捷通華聲，成為第二大股東。更重要的是捷通華聲得到了清華大學的長年積累研究的學術和技術支持，打通了國內產、學、研三派互通有無的“任督二脈”，也成就了“TTS+ASR”雙劍合璧的靈云智能語音完美展現。
縱觀國內外語音產業發展規律，生存下來的企業無外有幾種方式，國外首推美國Nuance，伴隨語音產業的發展規律，通過全球范圍不斷的兼并，Nuance形成全球范圍內的壟斷得以生存發展。國內企業則以訊飛、捷通華聲為代表，兩家公司均以高校為支撐，捷通華聲依托清華大學、訊飛依靠科大；訊飛長于調動各種社會資源，高打高唱；捷通華聲相對低調，以務實為本，強調合作共贏。三家公司雖各具特點，卻有一個共同點，均以TTS贏取市場與利潤，ASR多為企業品牌知名度服務。國外語音市場相對成熟理性，Nuance經過不斷的收購擴大實力，但終于在蘋果Siri的高潮過后，先后傳出將要被蘋果、三星收購的傳聞。如果Nuance出售收購，多少也標示著智能語音經過幾起幾落發展之后，進入到一個相對理性的發展階段，也預示著人工智能一個新的時代的開始。
捷通華聲雖為國內的老牌語音技術服務商，早在三年前即推出國內外第一個全方位人工智能技術云服務平臺靈云（www.hcicloud.com），智能語音則為其人工智能整體布局中關鍵一環。
在這里不得不提的是，智能語音交互技術涵蓋語音合成（TTS）和語音識別（ASR）兩項技術——而2013年整整一年都在炒作語音識別——捷通華聲靈云以支持13種國際語言的語音合成技術在國內獨占鰲頭，雖然語音識別技術在2012年的時候還稍遜于國際IT巨頭Nuance、Google，但是在自2013年后，借助清華的力量，語音識別技術突飛猛進，迅速實現商品化，具有中國特色的漢語言智能語音體系嶄露頭角，靈云語音合成與語音識別相輔相成，形成一套完整的智能語音解決方案，目前已應用于國內眾多產業中，并加速布局移動互聯網應用。現在，靈云智能語音已成功為百度地圖、搜狗導航、導航犬等經典應用提供語音服務。伴隨靈云語音識別技術的升級，靈云語音技術在語音質檢領域也取得突破，將幫助電信、金融等領域的企業大大提升客服的服務質量和效率。
捷通靈云智能語音交互技術目前已在全新改版的靈云全方位人工智能開放平臺上免費開放，可供開發者、企業自由調用，而除了“TTS+ASR”雙劍合璧的特性外，捷通靈云智能語音還提供“云+端”服務，既可提供私有云服務器解決企業內部服務器運行壓力，也可以派遣專業技術人員前往企業內部搭建私人定制的智能語音技術平臺，并且永久跟蹤服務，響應及時，無后顧之憂。
壯志靈云，開啟人工智能新時代
作為國內老牌語音技術民族企業，捷通華聲立足智能語音，全面發展圖像識別（OCR）、手寫識別（HWR）、自然語言理解（NLU）、機器翻譯（MT）等人工智能技術能力，率先突破傳統語音范圍，形成獨特的“全智能”效應，2011年，捷通華聲全面整合具有自主知識產權的多項智能人機交互技術，突破性地創建了第一個最大最全的人工智能技術云服務開放平臺——靈云（www.hcicloud.com），率先拉開了中國人工智能產業化的大幕！
2014年伊始，人工智能在幾大互聯網巨頭的推波助瀾中成為產業焦點，而智能語音則為人工智能領域中不可或缺的組成部分。人工智能是一個由淺入深的智能化模型、機制和過程，智能語音處于較淺層次上；在深層次上，人工智能意味著基于機器學習技術的知識表達、歸納、推理等智能計算過程。可以說智能語音等人機交互技術是人工智能的觸角，智能計算是人工智能的核心，二者缺一不可，共同組成一個智能網絡。在清華大學各人工智能頂尖學科團隊的支持下，捷通靈云智能語音等人機交互能力更加成熟。靈云語音識別，采用最新深度神經網絡算法技術，識別準確率突破95%；語音合成方面，捷通靈云在國內率先推出支持中、英、德、法、阿拉伯等多達十三種國際語言的語音合成技術服務，在國內智能語音服務達到了50%的市場占有率，而靈云智能語音“TTS+ASR”使人與機器之間“說與聽”兩項能力的強化，讓人與機器的自然交流變得更加通暢。
靈云OCR與手寫識別等智能圖像識別技術，又猶如人的“眼睛與手”。目前靈云手寫識別已能夠識別92種國際語言；靈云OCR更是在文檔、票據、證照識別領域中異軍突起，保證靈云智能平臺擁有更全面的“視覺與感觀”能力。
人類無論用語音交互還是通過文字傳遞信息，其獲取信息的目的都是為了在相互理解之后進行彼此的溝通。靈云智能平臺近日全面升級并推出的語義分析、意圖理解及機器翻譯，進一步推動靈云向人工智能更深層次發展，不僅讓靈云“能說會聽”、“能寫會看”，也開始學會如何思考。如今，通過靈云語音識別不在僅是聽懂人的話，同時能夠對所識別出的文字信息進行分析理解，然后應用靈云語音合成技術將所要表達的信息以語音方式朗讀出來，從而實現人與機器交流的一個完整應用過程。
隨著人工智能在互聯網產業中關注度越來越高，人工智能似乎一夜間成為產業的熱點，捷通靈云智能平臺憑借對人工智能產業發展的獨特理念與執著信心，終于逐漸顯現出其超前的魄力的魅力。
捷通華聲創始人張連毅表示：“靈云智能平臺的創建，不僅有力推動智能語音等人機交互技術在中國的發展與普及化應用，也改變了智能語音產業發展的趨勢。伴隨產業的需求變化、技術的跨越式進步，在清華大學的支持下，靈云智能平臺已成功完成向多模態、全方位人工智能云平臺的升級與發展。如果說捷通華聲是中國人工智能產業的倡導者，那么捷通華聲靈云智能平臺就是中國人工智能產業的開拓者。”
靈云全方位人工智能體驗平臺www.hcicloud.com
（新聞稿 2014-07-18）