被互联网女皇看好的语音，将成为巨头争夺的下一个焦点

KPCB合伙人、享有“互联网女皇”称号的玛丽·米克尔的互联网趋势报告在近日发布。毫不夸张地说，这份报告是互联网行业分析的“超级碗”，它用200多页的Keynote浓缩了全球庞大而复杂的互联网发展现状和趋势，是互联网从业者、投资人以及想要窥见互联网风貌的外界人士不可多得的参考资料。

有人说，今年报告亮点不多，在我看来，亮点却非常之多：不仅覆盖了手机、电商、社交、广告等基本面，还点名了移动营销、网络直播、智能汽车诸多正在崛起的所有新兴领域。与IDC等机构报告不同的是，女皇报告更侧重于行业现象概括和行业趋势展望，事实证明，她对未来趋势的评判准确率相当之高。而今年报告最大亮点在于：语音。213页的Keynote，23页给了语音，篇幅远远超过汽车、直播等领域，仅次于每年的重头戏即“营销”的31篇。

女皇认为麦克风正在取代键盘

玛丽·米克尔认为，语音正在被重塑，成为人机交互的新范式，在过去75年里，每10年就有一次人机交互的重大革新，人类对机器的操作，从物理手柄按键，到物理键盘鼠标，再到触摸屏，而现在语音成为了重要的交互方式。

 

在其看来，语音交互相对于传统交互而言具有以下特点：输入更快速，人类每分钟可说出150个单词，打字却只能完成40个单词；使用更简单，不需要用手和眼，时间更及时，不需要任何学习；更加个性化，机器可基于上下文、环境、位置、语调等大环境更好地理解人类的需求。从技术角度来看，语音计算具有成本低、尺寸小的特点，特别适合物联网。

为何语音现在会爆发？玛丽·米克尔认为：

1、技术成熟是核心原因之一。 如果语音识别准确率从95%提升到99%将从量变引发质变，即“爆发点”到来，语音识别准确率已从2010年的70%上升到今年的90%，百度、谷歌、Hound等平台的语音识别准确率已超过90%，针对户外嘈杂环境和讲话者特性的语音识别是下阶段的攻克重点。

2、语音交互应用正在日益变多。 语音搜索正在蚕食搜索份额，百度、谷歌的语音搜索在近十年来均取得了数十倍的增长，其中安卓、百度和必应语音搜索比例分别达到20%、10%、25%；以Siri为代表的语音助手正在快速普及，美国用户使用这类工具的比例，已从2013年的30%增加到2015年的65%。因为语音能够解放双手和眼睛，人们越来越多地在车里、家里和随身使用语音。相关数据显示，从2014年到2016年间，全球API调用百度语音识别以及文本转语音（TTS）的每日使用量急速攀升，百度语音在百度产品中使用率快速增长。

 

3、语音吸引更多第三方开发者。 开发者拥抱语音大幅增加了支持语音交互的软件和硬件，女皇重点阐述了Amazon眼下炙手可热的硬件：Echo。其内置了Amazon Alexa语音助手，目标是占领家居、汽车、手机的麦克风，还能智能购物。这款产品销量已突破400万台。女皇更是大胆指出：语音拐点已经到来，在2015年智能手机销量下滑之后，Echo销量或将腾飞。

 

英雄所见略同。在玛丽·米克尔预测语音会成为核心交互方式的同时，科技巨头早已在这一领域大力投入。2014年百度世界大会上李彦宏预测：五年内语音和图像搜索比例有可能突破50%。百度在人工智能上一项显著的进展便是基于深度学习的Deep Speech在噪音环境下的语音识别效果超越了谷歌，这一研究成果在玛丽·米克尔的报告中被提及，该项技术已成功应用到百度语音搜索上。目前，百度语音搜索已通过人工智能做到了“听”和“说”，而且还尝试完成人类复杂的行为——沟通。集成语音识别、语义理解、深度问答、知识推理、多轮对话、智能摘要、情感分析、语言生成、语音合成等能力于一身后，相较于键盘输入，百度语音搜索已经能够满足用户的多种复杂需求，引领人机交互迈入听说时代。

此外，不久之前的谷歌I/O大会上，最亮点产品是类似于Echo的Google Home，其内置了Google Assitant语音助手。而在即将召开的苹果开发者大会WWDC上，iOS 10最大亮点很可能会是Siri。语音是下一站，已成全球共识，“麦克风+触摸屏”取代“键盘+鼠标”，已是大势所趋。

语音正在多个领域全面开花

“女皇报告”重点提到了语音的三大典型应用：搜索、助理和Echo，一个重要事实是，语音不只是在这些领域发挥作用，在许多领域，它都比键盘越来越有存在感。

1、语音搜索：移动搜索的重要分支

谷歌、百度、Bing，全球主流搜索引擎的语音搜索比例都在逐步增加，麦克风图标变得跟搜索框一样重要。搜索引擎来自移动端的搜索流量均已超过50%，人们在自带麦克风的移动设备上使用语音更方便，而在移动场景下打字并不方便。有报告指出，百度语音搜索的整体用户量在2015年增长超过3倍，用户中的90后和00后的人群占比接近50%，百度语音搜索已经成为众多年轻人移动互联网生活的标配，优势在于省去了中英文输入法切换的繁琐、支持口语化多轮交互、能够提供贴心的语音播报和有声搜索。

2、语音助手：不再是被调戏的玩具

几年前，Siri这是一个被调戏的玩具。现在，它可以理解很多命令，比如设置闹钟、添加日历，打开App等，语音助理已完成从玩具到工具的蜕变。除了Siri之外，Windows内置的Cortana、Google Now升级而来的Google Assitant，以及百度、搜狗、科大讯飞等公司均推出了自己的语音助理软件。以百度推出的度秘为例，已经接入到手机百度APP，用户可在手百端直接调用，使用语音对话的形式享受点餐、购物、路线、订票等多项生活类服务。可见要做好语音助理并不容易，除了语音识别和语义理解之外，它必须要能“完成任务”，而这需要获取其他设备和应用的控制权，而这一点只有巨头才能做到，创业型玩家基本已经消失。

3、语音通讯：不再是昂贵的沟通

微信能够成为超级App，一大重要原因在于它支持语音通信，类似于对讲机的语音交互，给了人们在传统手机通讯下前所未有的体验。需要流量，但相对于传统电话而言已很廉价。事实上，传统电话也已被互联网化，有信等网络电话App的崛起表明，人们未来只需要为语音通讯花很少的钱。女皇说，语音是最有效率的交互方式。除此之外，语音还是最自然、最简单和最有效的沟通方式，免费的语音通讯将会成为大势所趋，运营商正在被逼着依靠贩卖流量谋生。

4、语音内容：不再是冷门的形式

微博刚刚兴起时，许朝军做了一个啪啪，要做语音版的微博，后来发生的事情大家都知道了。不过，语音内容正在卷土重来。最近在行做的“分答”十分火爆，这款App集合了语音、打赏、共享经济诸多新兴模式，让知识分享前所未有的有趣。而在去年，喜马拉雅等网络电台崛起了。这些现象均表明，“声音”依然会是十分重要的一类内容形态，人们不会浪费耳朵这个重要器官，在许多场景下，“语音消费”都更适合，比如开车时，高德地图与林志玲等明星合作的语音导航就取得很好的市场反馈。在许多垂直领域，例如教育，语音技术同样在体现其重要性，比如通过语音技术做口语训练。就是说，不只是“麦克风”变得重要了，“喇叭”也在变得重要。

 

5、语音硬件：随时待命的助理

“女皇报告”说，Amazon Echo将要起飞。除了Echo之外，Google 已推出Google Home硬件，拥有Siri的Apple很可能会发布类似产品。为何“语音助理硬件”会普及？为什么不直接用手机上的Siri等助理呢？因为手机是个人设备，并不适合家庭成员共享；而当前的语音技术，让手机支持“随时待命可被唤醒”会很耗电，基于Echo等家用设备不需担忧这个问题。

正是因为此，类似于Echo的产品将成为接下来的爆点，国内巨头同样在布局，京东已推出叮咚智能音箱，阿里巴巴联合科大讯飞推出了“飞儿”，语音技术成熟的百度近日推出的度秘实体机器人也成功入驻肯德基，通过多轮交互和语音语义理解等技术为用户完成智能点餐的过程。除了专用的语音助理硬件，语音与电视、与汽车等硬件的整合也会加速，国内的“Echo”大战即将爆发。

正如女皇报告所指出的那样，语音即将成为最重要的交互方式之一，语音技术从量变到质变的引爆点已经到来。除了交互之外，语音还将在搜索、内容、通讯和硬件等领域全面开花，“麦克风”变得重要，“喇叭”亦将变得重要，关于声音的战争已经拉开序幕。

（本文为投稿文章，作者罗超，微博@互联网阿超，微信：luochaotmt ）