智能语音技术如何切C端市场,科大讯飞交出这样一份答卷

简介:

建立行业标准、持续技术研发、加大市场推广,推进智能语言产业在消费市场的逐步落地。

对于人工智能,如果说人们最早接触的是什么技术,很多人想到的或许就是以语音识别、自然语言处理等智能语音技术支撑的语音交互,Siri就是典型代表之一。

而经过几年的发展,依赖于智能语音技术,B端市场上,智能客服在不知不觉间取代了人工客服,而智能服务机器人也正逐步侵略各大商场、酒店;而在C端市场,Cortana、度秘等智能语音助手,以及各类翻译机等也是人们所熟悉的软硬件设备。

智能语音产业C端市场持续发力,三步走策略稳定推动商业化落地

相比于B端市场,智能语音C端应用市场波澜渐起

在PC时代,人们通过敲击键盘和鼠标来实现人机交互,后来的移动互联网时代,鼠标和键盘变为多屏幕的多点触摸。“在将来万物互联的浪潮下,以语音为主,键盘、触摸、视觉、手势为辅的交互时代很快会到来。”科大讯飞市场总监任萍萍说道。

据相关数据显示,随着语音在智能产业的应用不断加深,全球以及中国的语音市场在接下来仍将维持显著地增长,到2020年,全球语音市场规模预计将达到191.7亿美元

值得注意的是,在商业化落地上,在B端市场的风生水起之外,智能语音C端市场也是波澜渐起。

另外,从企业的相关营收也可以看出,智能语音技术在C端的发力劲头正处于酝酿中。譬如科大讯飞,在其目前的营收占比中,C端市场的营收占据了20%,但在未来,他们计划将这一数值提升至80%。

与此同时,我们可以看见的是,基于智能语音技术,BAT、科大讯飞等皆在C端市场有所部署,譬如智能翻译机、智能音箱、可穿戴设备等等,由此可见C端市场的市场潜力之大。

智能语音产业C端市场持续发力,三步走策略稳定推动商业化落地

三处发力,进一步助攻智能语音产业在C端更快落地

当下,随着科大讯飞等企业相继部署C端市场,推出智能翻译机等多种软硬件产品,业内的关注点也被逐步从B端引向C端。

随着各企业的加码,如何进一步促进或加快智能语音技术在C端市场的商业化落地进程?我们需要在三个方面同时进行:

· 首先,建立和完善相关产业标准,对市面产品设立多层审核机制

用任萍萍的话来讲,在新技术、新产品出来之时,很多消费者会习惯性的去购买价格低廉的产品,纵使最后的效果体验再差,他们也难以丢弃刚买的产品,转而去购买更为专业的产品。长此以往,因为差劲的消费体验,消费者也将逐渐丧失对新技术的信任,继而抑制消费市场的开拓。

对比到智能机器人市场,这一幕是不是很熟悉?以往,在相关标准没有建立的前提下,外形雷同、不够智能、体验差等用词皆是智能机器人的标签。随着《智能机器人关键技术产业化实施方案》等政策性文件的发布,机器人产业标准的建立已经被正式提上日程,而中国机器人产业联盟等民间组织也是为此助力。

如今,相比于以往,从相关展会上的情况就可看出,智能机器人的表现已经实现了一个质的飞跃。再引申到智能语音,要想改善当前产品参差不齐的市场,其本质上还是一样的套路。

智能语音产业C端市场持续发力,三步走策略稳定推动商业化落地

· 其次,继续完善技术,进一步获得消费者信任

不仅仅是行业标准,在规范消费市场一事上,技术也是不可忽视的重要一面。只有技术得到认可,产品才能得到消费者的认可。

“科大讯飞在智能语音及人工智能领域深耕多年,深知大数据+云计算+应用场景,是人工智能技术进步的关键原因。为抢占人工智能国际优势,人工智能产学研合作是必然之举。”任萍萍表示。

如何提升技术?加大资金投入、产学研结合等都是我们常见的途径。以科大讯飞为例,在技术研发上,就语音技术基础研究、语言认知计算、智能教育等方向,其已经与外界包括高校、企业、医院等在内的20多家企业机构合作搭建语音技术研究院/实验室。

在研发方面,自2014年以来,科大讯飞的资金投入分别为5.18亿,5.77亿和7.09亿,增长幅度分别为41.32%、11.44%和22.84%,呈稳定增长之势。

· 最后,加大推广力度,培养用户智能语音交互意识

以往我们总说“酒香不怕巷子深”,但事实证明,如今的年代是“酒香也怕巷子深”。任萍萍称:“我们仍要加大对市场的推广,不仅要把技术做好,还得把技术推广出去,让大家知道它的存在和价值。

对于消费级产品而言,推广是一个必不可少的过程,但是我们也可以看到,在智能机器人、智能翻译机等产品的推广上,企业更多选择的是参展、媒体宣传曝光等手段。

从吸引群众方面来看,不管是参展还是媒体曝光,闻声而来的更多的还是B端客户。不过,基于B端客户的平台的引入与见解推广,一些C端用户倒是得以知道这类产品的存在,也因此催生出了另一种推广途径。以科大讯飞于2015年推出的、面向学生的个性化教学平台智学网为例,通过从学校端大力推广,截止2016年6月,智学网已经累计获得千万用户。这是一个典型的用B端平台辐射C端消费者的案例。

智能语音产业C端市场持续发力,三步走策略稳定推动商业化落地

最后:B端用户注重成本和效率,C端消费者更注重体验感与实用性

十九世纪四十年代,第一代计算机诞生,六十年代,厂商开始针对性打造商用计算机,直到八十年代,我们才看到了个人计算机的出现。但是,个人计算机的出现并没有立即让其成功打入消费者家庭。

彼时,阻碍个人计算机进入消费者家庭的不是计算机的成本,是操作系统的不易用。为此,瞅准时机,Intel成为了微处理器的老大,而微软则凭借简洁易用的Windows操作系统助力个人计算机在消费级市场成功落地。

在智能化时代,不仅仅是智能语音技术,智能机器人、计算机视觉等智能产业也同样,相比于C端消费者,评估产品更注重成本和效率的B端客户更易、更快的成为他们的客户,帮助产业实现商业化落地。至于C端消费者,鉴于用户习惯等因素,更注重体验感和实用性的消费者短时间内对于新技术的接受与适应还是需要磨合一下的。不过,在各企业的推动下,这一过程或将有所缩短。

随着智能客服、机器人等产业的发展,以语音交互为主要表现形式的智能语音技术正逐步渗透人们的生活,“与机器人交流”这一科幻场景已经从银幕走进了现实。

从口语测评到智能客服,再到智能机器人、智能音箱……随着时间的推移,我们看到了智能语音应用场景的更多可能性。4月9日至11日,第六届中国电子信息博览会(CITE2018)将在深圳会展中心举办。届时,科大讯飞也将携带多种硬件产品和解决方案亮相,向人们展示当下语音的智能性,以及未来的趋势。


原文发布时间: 2018-04-04 19:09
本文作者: 韩璐
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关实践学习
达摩院智能语音交互 - 声纹识别技术
声纹识别是基于每个发音人的发音器官构造不同,识别当前发音人的身份。按照任务具体分为两种: 声纹辨认:从说话人集合中判别出测试语音所属的说话人,为多选一的问题 声纹确认:判断测试语音是否由目标说话人所说,是二选一的问题(是或者不是) 按照应用具体分为两种: 文本相关:要求使用者重复指定的话语,通常包含与训练信息相同的文本(精度较高,适合当前应用模式) 文本无关:对使用者发音内容和语言没有要求,受信道环境影响比较大,精度不高 本课程主要介绍声纹识别的原型技术、系统架构及应用案例等。 讲师介绍: 郑斯奇,达摩院算法专家,毕业于美国哈佛大学,研究方向包括声纹识别、性别、年龄、语种识别等。致力于推动端侧声纹与个性化技术的研究和大规模应用。
相关文章
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
智能语音识别技术在多语言环境下的挑战与优化策略###
随着全球化的加速推进,智能语音识别技术作为人机交互的关键一环,其跨语言适应性成为了研究热点。本文深入探讨了智能语音识别技术在多语言环境下面临的挑战,包括口音差异、词汇多样性、语法结构复杂性等,并提出了相应的优化策略。通过对比分析不同算法和技术路线,本文旨在为提升智能语音识别系统的跨语言性能提供理论依据和实践指导。 ###
|
7天前
|
机器学习/深度学习 算法 语音技术
智能语音识别技术在医疗健康领域的应用与挑战####
本文深入探讨了智能语音识别技术(Intelligent Speech Recognition, ISR)在医疗健康领域的现状、应用实例及面临的主要挑战。通过分析ISR技术的基本原理,结合其在电子病历记录、远程医疗咨询、患者监护及健康管理等方面的实际应用案例,揭示了该技术如何提升医疗服务效率、改善医患沟通并促进个性化医疗的发展。同时,文章也指出了数据隐私保护、方言与口音识别难题、技术准确性及用户接受度等关键挑战,为未来研究和技术优化提供了方向。 ####
|
14天前
|
人工智能 算法 语音技术
智能语音识别技术:原理、应用与挑战####
本文深入浅出地探讨了智能语音识别技术的基本原理,从声学模型到语言模型的构建过程,揭示了其背后的复杂算法。同时,文章详细阐述了该技术在智能家居、客户服务、无障碍技术等领域的广泛应用,并指出了当前面临的主要挑战,包括噪声干扰、方言差异及数据隐私等问题,为读者提供了对这一前沿技术领域的全面了解。 ####
|
12天前
|
机器学习/深度学习 搜索推荐 人机交互
智能语音识别技术的现状与未来发展趋势####
【10月更文挑战第29天】 本文深入探讨了智能语音识别技术的发展历程、当前主要技术特点、面临的挑战及未来发展趋势。通过综述国内外最新研究成果,分析了深度学习在语音识别领域的应用现状,并展望了多模态融合、端到端建模等前沿技术的潜在影响。文章还讨论了隐私保护、数据安全等问题对技术发展的影响,以及跨语言、跨文化适应性的研究方向。 ####
|
21天前
|
机器学习/深度学习 自然语言处理 语音技术
智能语音识别技术的现状与未来####
在这篇文章中,我们将深入探讨智能语音识别技术的发展历程、当前的应用现状以及未来的发展趋势。通过分析该技术在不同领域的应用情况,我们可以更好地理解其重要性和潜力。此外,文章还将讨论当前面临的主要挑战和解决方案,为读者提供一个全面的视角。 ####
|
21天前
|
机器学习/深度学习 自然语言处理 搜索推荐
智能语音识别技术的现状与未来发展趋势####
【10月更文挑战第21天】 本文深入探讨了智能语音识别技术的发展脉络、当前主要技术特点及面临的挑战,并展望了其未来的发展趋势。通过分析传统声学模型与深度学习技术的融合、端到端建模的兴起以及多模态交互的探索,揭示了智能语音识别技术向更高精度、更强鲁棒性迈进的必然趋势。同时,文章也指出了数据隐私、噪声干扰等挑战,并提出了相应的解决方案和研究方向,为智能语音识别技术的未来发展提供了参考。 ####
37 1
|
24天前
|
存储 人工智能 安全
智能语音助手的隐私保护技术探讨####
【10月更文挑战第19天】 本文聚焦于智能语音助手的隐私保护技术,通过分析当前技术现状、面临的挑战及未来发展趋势,为开发者和用户提供了一份深入浅出的技术指南。文章指出,随着人工智能技术的飞速发展,智能语音助手已成为日常生活的重要组成部分,但其背后的隐私问题不容忽视。通过技术创新和合理的策略部署,我们有望在享受便捷服务的同时,有效保护个人隐私。 ####
|
28天前
|
机器学习/深度学习 人工智能 自然语言处理
智能语音助手的技术演进与未来趋势####
【10月更文挑战第16天】 智能语音助手,作为人工智能领域的璀璨明珠,正以前所未有的速度融入我们的生活。本文旨在探索这一技术奇迹背后的奥秘,从最初的简单命令响应,到如今能够理解复杂语境、提供个性化服务的高阶智能体,智能语音助手的发展历程见证了技术进步的非凡成就。我们将深入剖析其核心技术原理,包括自然语言处理(NLP)、语音识别与合成、深度学习等,同时展望未来,探讨在物联网、医疗健康、教育等多个领域潜在的革命性应用。这不仅是一篇技术解读,更是对智能时代生活方式变革的一次深刻洞察。 ####
55 6
|
28天前
|
机器学习/深度学习 自然语言处理 搜索推荐
智能语音识别技术的现状与未来发展趋势####
本文深入探讨了智能语音识别技术的发展历程、当前主要技术特点、应用领域及面临的挑战,并展望了其未来的发展趋势。通过对比分析传统与现代语音识别技术的差异,揭示了技术创新如何推动该领域不断前进。文章还强调了跨学科合作对于解决现有难题的重要性,为读者提供了一个全面而深入的视角来理解这一快速发展的技术。 ####
|
15天前
|
机器学习/深度学习 自然语言处理 搜索推荐
智能语音交互技术:构建未来人机沟通新桥梁####
【10月更文挑战第28天】 本文深入探讨了智能语音交互技术的发展历程、当前主要技术框架、核心算法原理及其在多个领域的应用实例,旨在为读者提供一个关于该技术全面而深入的理解。通过分析其面临的挑战与未来发展趋势,本文还展望了智能语音交互技术如何继续推动人机交互方式的革新,以及它在未来社会中的潜在影响。 ####
38 0