# 专访科大讯飞副总裁江涛：语音识别的成熟依赖“云、管、端”

- 作者：何宗丞
- 发布时间：2012-12-14 12:40
- 分类：公司
- 原文：https://www.ifanr.com/216780

[![](https://s3.ifanr.com/wp-content/uploads/2012/12/jiangtao1.jpg "jiangtao")](http://www.ifanr.com/216780/jiangtao-2)

回溯起来，中科大语音实验室算的上是科大讯飞的孵化地。1990 年，刚刚进入中科大电子工程系的刘庆峰（科大讯飞总裁）打算转系到感兴趣的数学系，然而这时，他却遇到了改变人生轨迹的导师——国内语音合成技术泰斗级人物王仁华教授，并在其影响下加入了中科大人机语音通讯实验室。

保送读研期间，刘庆峰继续在实验室工作，并成为语音合成项目组组长。1998 年，他的语音合成技术在国家 863 项目笔记赛中获奖，并首次达到实用化标准。在此激励下，刘庆峰和江涛（科大讯飞副总裁）等人开始了创业之路。

“当时我们的理想是一年销售 100 亿。”在接受爱范儿的专访时，科大讯飞的副总裁江涛在回忆峥嵘岁月时依然慷慨激扬，他表示，创业之初几个人就希望能够在消费市场建立起一个家喻户晓的品牌。

世纪之交，科大讯飞第一个语音识别产品“畅言”面世，这是一个面向 PC 端的语音识别软件，它旨在将语音和键盘、鼠标两种交互方式融合， 用户可以使用语音控制电脑、语音输入甚至语音排版。然而，由于当时的环境以及软件售价太高，这款软件的市场表现非常惨淡。

“那时候，我们开始总结像我们这样的软件公司的出路。”江涛说当时他们总结出了三条道路，一条将软件做成服务，一条是走软硬结合的道路，一条是做成行业软件。“这是 90 年代末，中国所有软件公司都在思考的问题。”

家用软件“畅言”失败后，科大讯飞开始尝试 B2B 的商业模式，它先后与华为、中兴等一大批做系统集成的企业合作，为这些企业提供核心语音服务。事实证明，这是科大讯飞第一个成功的商业模式。

2005 年，公司研发出语音评测技术，该技术可以通过语音识别对发音进行评分、检错并给出矫正指导。利用语音评测技术，公司走上软硬结合的道路，在教育市场推出了“畅言教具”。后来这套技术推广到音乐领域，作为某些歌唱比赛的评分系统。

大约在同期，移动运营商的彩铃业务开始兴起，科大讯飞借机研发了一套音乐语音搜索系统。经过之前的思考和总结，公司选择与运营商合作运营的方式，而非直接出售系统。 至今，音乐语音搜索仍然是公司一个重要的业务方向。

事实上，国外的月亮也不圆。IBM 在 1998 年将一项轰动性的语音识别技术—— ViaVoice 从战场推向市场，但是同样免不了失败的结局。

“ViaVoice 基于单机系统，当时没有云计算的体系。另外，键鼠在 PC 端已经解决了常规的交互需求，语音需求空间有限。 ”江涛总结了这两方面的原因。

说到底，语音技术未能形成一方之势还是囿于时代的脚步。

“我们也在等待这样一个机会。”江涛说的这个机会正是移动互联网。他认为，**语音技术的成熟需要三个方面的推动——“云”、“管”、“端”，即云计算体系满足资源共享、成熟的无线网络和便携的智能终端。**

2009 年，3G 服务开始在国内运营。科大讯飞紧锣密鼓地投入力量进行研发，在 2010 年 10 月推出了讯飞语音云。目前，用户已经突破 1 亿。

“巨头的教育能力非常强。”江涛坦承，语音技术的发展离不开诸如苹果 Siri、Google 语音搜索的推动。

**ifanr：你如何看待苹果和 Google 两种不同语音识别技术？两者的价值体现侧重点有什么不同？**

**江涛：**Siri 通过语音识别转换成文字与人交互，而 Google 由于是搜索引擎厂商，它可以做第二步。Google 可以在其热词列表中进行匹配，它融合了前人搜索历史。

苹果和 Google 在语音识别技术上的应用点不同，苹果本质上是个硬件厂商，所以包括 Siri 在内的服务都是为硬件服务的，它就是让整个设备显得更有趣、更炫。Siri 显然为 iPhone 赚足了眼球，在后面的服务尚未形成价值之前，它首先让 iPhone 4s 大卖了一把。

Google 的侧重点在搜索服务，所以它的语音搜索在朝 Google Now 方向靠拢。

**ifanr：尽管都在说语音可能是下一个交互革命，但目前这种基于自然语义搜索服务包括 Siri 的娱乐意义仍然大于实用价值，你认为如何提高这类服务的实用价值？**

**江涛：**这正是我们科大讯飞最关注的、要与同类产品错开定位的地方。我们也一直强调“讯飞语点”以及与中国移动发布的“灵犀”的实用价值，而非娱乐价值。

产品发布半年来，我们重点在改进打电话、发短信、通讯录等用户每天使用到的服务，包括个性云识别，比如我们在用户通讯录信息的识别是非常准确的。

另一方面，我们重点打造语点和灵犀集成的相关服务，比如用户可以直接在灵犀中语音查询手机话费，也可以语音搜索歌曲，在线听、下载甚至设为彩铃。此外，还包括查询、预定机票等服务，这些都是 Siri 不具备的。

**ifanr：语音识别的发展出现了两种趋势。第一种是语音搜索走向细分领域，比如专注于旅行服务的 Desti，专注于银行业务的 Lola。另一种趋势是做平台，集成各种互联网服务，通过开放 API 调用各种垂直服务的数据，将智能语音搜索打造成“海纳百川”的信息服务。你是如何看待这两种趋势的？**

**江涛：**我举个语音识别在商业上成功的例子。全球最大的语音识别公司 Nuance 在利润中占比很大的一个业务是——Medical Transcription，这是 Nuance 针对美国医疗处方必须在线备案推出的语音识别系统，由于替代了昂贵的人力，这个产品大卖，公司挣了很多钱。

我认为像第一种细分领域会先成熟，在一定的领域内，语音交互的体验能做到更好。对应到我们的产品，我们不会从一开始就告诉用户产品囊括了一切，而是先把音乐、出行关乎衣食住行的重点领域做深做透。

当然，随着语音识别技术的发展，特别是人工智能、大数据处理能力的提升，基于语义网、知识图谱构建出真正的全开放的语音平台是值得期待的美好图景。对于当前，可能还为时过早。

**ifanr：此前中国移动 13.63 亿注资科大讯飞，在智能语音门户、智能语音云服务、智能语音技术和产品、客户服务应用、基础电信业务及行业信息化等领域建立战略合作。对于中国移动而言，形成移动互联网的入口平台，对于科大讯飞，除了资金和用户，价值还体现在哪些方面？**

 **江涛：**资金和用户也是很重要的。因为移动互联网的特点是必须要先投入，形成海量用户了以后才有比较大的商业价值，无论是百度还是腾讯，历史都已经证明了这一点，所以中国移动的这个资金进来，加上讯飞本身，让我们的现金链更好，所以我们已经为移动互联网未来的竞争准备粮草，打持久战。

另外就是中国移动的用户规模，它 6.7 亿的用户跟我们普通互联网层面讲的用户不是一个概念，它是真正掏钱的用户了，而且这些用户都在保持着联系，所以这个用户转换成为讯飞用户的可能性是很高的。

当然，最重要的一点是中国移动后台海量的服务，这就回到我前面讲的我们语点和灵犀跟其他竞争产品的定位差异，我要做实用，怎么能做到实用呢？中国移动他已经有九大基地了，音乐、视频、动漫、游戏、应用、应用商店，还有几大服务基地：位置基地、电子商务基地、互联网基地等，这些服务要送到用户面前已经是一种最好的交互界面，反过来，对于灵犀来说，这些内容又进一步的让产品实用。

除此之外，中国移动的服务资源方面，比如说他后台的客户服务系统，最典型的还有查话费、查流量，这个都是中国移动所独有的资源，相对来说也是最准确的。这也给讯飞产品增加用户粘性。另一方面，这也给中国移动来说降低了成本，过去用户查话费、查流量，如果以客服进行，平均下来服务是每分钟 5 毛钱，如果在语点、灵犀里面提供，成本就很低。

**ifanr：可能说移动互联网的勃兴让移动设备与语音识别技术紧密结合，您觉得在未来语音识别技术还可以在哪些领域拥有广阔的前景？**

**江涛：**我们认为“三架马车”是最重要的。第一是手机终端，这个增长也是最快的。第二是汽车，随着汽车逐渐走进大众家庭，汽车的电子化逐渐发展。比如去年广州车展最火热的荣威 350 就搭载了我们的智能语音技术。第三个就是智能家电，以智能电视为代表。过去我们看电视主要交互手段是用遥控器换台，但是当频道数多到几百个时，换台就很痛苦。所以说，语音是最重要的一个交互手段。

**ifanr：苹果涉及核心利益的应用一直比较排外，讯飞语点从今年 6 月份提交至今也未能上架 App Store，能否透露一下进展？因为我们看到，搜狗语音助手刚刚上线。**

江涛：搜狗也是在借鉴讯飞教训的基础上，对很多调用苹果系统的很多核心功能进行了精简，这就缺失了很多实用的功能，比如打电话、发短信。后面我们也可能会适当地进行一些调整，但是这可能会对用户体验造成损害。

**ifanr：我们也看到讯飞已经和不少硬件厂商展开合作，但事实上这种集成仍然会因为机器差异体验不一致，仍然有很大的优化空间。而 Siri 的一大优势在于服务系统级以及和硬件的整合，讯飞未来有没有大规模进军硬件走软硬结合的想法？**

**江涛：**这个肯定不可能。我们还是继续通过合作来弥补这一块的短板。后面我们会和手机厂商进一步探讨如何深度整合的问题，比如一键呼出讯飞语音等功能。语音的特点就是它涉及的东西太多了，所以我们更应该想清楚，千万不能一不小心扎到具体的硬件研发中，这是永远都做不完的。

不光是手机，汽车、电视等领域我们都会坚持走这一条道路。

**ifanr：科大讯飞长期以来都是一个技术提供商，你们是如何看待企业市场和消费市场的？**

**江涛：**科大讯飞是从企业市场 B2B 起步的，相对来说，企业市场是比较理性的，客户是专家级的，而且它有专业的评估手段，所以企业市场上拼的是技术。而在消费市场上，“酒香也怕巷子深”，还需要策划、推广的能力，这也是我们所欠缺的。不过我们也开始有所尝试，比如推出的讯飞输入法，就是为了满足消费者的需求。