语音识别竞争激烈超乎想象！亚马逊崛起与微软衰落形成巨大反差

语音识别是一种可以识别口语单词的技术，然后可以将其转换为文本。语音识别的一个子集是语音识别，这是一种基于语音识别人的技术。全球五家顶尖科技公司Amazon，Microsoft，Google和Apple已通过Google Home，Amazon Echo和Siri等服务在各种设备上提供此功能。

随着市场上许多语音识别产品的推出，我们决定研究语音识别的业务含义。通过研究这些公司的语音识别技术，我们尝试为读者解答以下问题：

语音识别如何驱动这些公司的商业价值？

他们为什么要投资语音识别？

几年后这项技术会是什么样？

我们从一些背景开始，探讨技术巨头如何以及为何开发语音识别技术。其次是来自亚马逊，微软，谷歌和苹果的语音识别技术的衰落。

发展语音识别技术的潜在原因

技术公司正在意识到对语音识别技术的兴趣，并正在努力使语音识别成为大多数产品的标准。这些公司的目标之一可能是使语音助手围绕上下文和内容更加准确地讲话和答复。研究表明，具有语音识别功能的虚拟助手的使用量预计将在明年继续增长，从2017年的6050万在美国增加到2018年的6240万。到2019年，有6660万美国人使用语音或语音识别技术。

为了建立强大的语音识别体验，其背后的人工智能必须变得更好，以应对口音和背景噪音等挑战。如今，自然语言处理和神经网络技术的发展极大地改善了语音和语音技术，以至于今天据说与人类同等。例如，在2017年，该公司记录的Microsoft语音技术的单词错误率达到5.1％，而Google报告说它已将其错误率降低到4.9％。

研究公司Research and Markets报告说，到2023年，语音识别市场的价值将达到180亿美元。随着语音识别技术变得越来越大，该研究估计它可以应用于从电话到冰箱再到汽车的所有领域。在拉斯维加斯举行的CES 2017年度展会上可以看到其中的一瞥，那里推出或宣布了带有语音的新设备。

尽管所有应用程序都具有非常相似的功能和集成机会，但我们已根据我们研究的重点将它们归类为每个应用程序的主要关注领域。

亚马逊Echo和Alexa

直到最近，亚马逊的语音虚拟助手Alexa仅在亚马逊生产的商业产品上可用。但是，Amazon Web Services已将语音助手提供给其他公司。亚马逊与英特尔合作推出了Alexa语音服务设备软件开发套件，该套件可允许第三方公司将Alexa功能嵌入其设备。此次合作是亚马逊“ Alexa Everywhere”战略的结果，该公司表示，该战略旨在使各种智能和可穿戴设备的制造商都能普遍使用Alexa背后的技术。

在拉斯维加斯举行的CES 2018上，索尼，TiVo和海信发布了集成Alexa的智能家居技术，使客户能够通过语音控制电视。惠而浦，三角洲，LG和海尔等家用电器制造商还增加了Alexa的语音识别技能，以帮助人们控制房屋的各个方面，从电视，微波炉到空调装置和水龙头。根据Amazon Alexa网站的数据，Alexa可以控制来自2500多个品牌的13,000多种智能家居设备。

包括其他公司的产品在内，Alexa现在拥有30,000种技能。尽管苹果拥有Siri，谷歌将其未命名的虚拟助手内置在智能手机和扬声器中，但亚马逊将Alexa集成到了智能扬声器Echo中。亚马逊没有透露最终的销售数字，Forrester预测到2017年底将售出2200万个Echo单元。Forrester称，达到这个销售数字将使Echo成为美国最大的语音助手。

作为虚拟助手，亚马逊声称亚马逊提供的Alexa for Business可以帮助专业人士管理日程安排，跟踪任务并设置提醒。当集成到会议控制台等设备中时，该应用程序可以通过发言人的声音控制会议室设置。支持Alexa的设备还可以在较小的会议室中充当音频会议设备，或者在较大的会议室中充当控制设备。

罗技将Alexa内置到其Harmony远程装置中，以控制家庭娱乐系统和智能家居设备。当客户说出简单的命令（例如“ Alexa，打开电视”或“ Alexa，播放DVD”）时，将激活远程单元。然后，Alexa将请求发送给Harmony，后者通过红外将请求中继到家用设备，蓝牙或IP。

据亚马逊称，原型团队由罗技公司的一名高级软件架构师组成，他花了两个小时将Alexa集成到Harmony中。一旦原型准备就绪，罗技（Logitech）的团队就准备了发射所需的技能。根据罗技（Logitech）的数据，亚马逊报告说，从原型开发到生产级技能的过程不到两周。在此案例研究中未提供其他详细信息或编号。

在更基本的层面上，亚马逊还提供自动语音识别（ASR）服务Transcribe，使开发人员能够向其应用程序添加语音到文本功能。一旦语音功能集成到应用程序中，最终用户就可以分析音频文件，然后接收转录语音的文本文件。

谷歌Home and Assistant

Google Assistant是谷歌的语音虚拟助手，其技能包括诸如通过Google Pay发送和请求付款或对Pixel 手机进行故障排除之类的任务。

在Android或iOS手机，智能手表，Pixelbook笔记本电脑，Android智能电视/显示器和Android自动启用的汽车等设备上都可以使用Assistant。当需要在诸如库之类的地方保持安静时，用户还可以在Assistant中键入命令。Google Assistant为儿童和家庭提供了50种与语音相关的游戏。

随身携带的Google智能扬声器包括Home。谷歌声称该扬声器可与来自150多个品牌的5,000多个智能家居设备配合使用，例如咖啡机，电灯和恒温器，其中包括索尼，飞利浦，LG和东芝。据报道，在2018年第一季度，谷歌售出了320万台其Home和Home Mini设备，超过了Alexa支持的Echo设备（250万台）。两家公司都没有发布官方数据。

为了使Assistant更加普及，Google通过Actions打开了软件开发工具包，该工具包允许开发人员在支持人工智能的自己的产品中建立声音。谷歌最近还启动了Assistant Investments计划，该计划投资于致力于提高语音和辅助技术（无论是硬件还是软件）的初创公司，并专注于旅游，游戏或酒店业。

根据该计划，谷歌将在技术，业务开发和产品潜在客户方面提供支持。初创公司还将获得对Assistant的新功能和计划的首次访问； Google产品（包括Google Cloud）的信用； 以及潜在的联合营销机会。

Google的另一种语音识别产品是由AI驱动的云语音到文本工具，开发人员可以通过深度学习神经网络算法将音频转换为文本。该工具可使用120种语言，支持语音命令和控制，转录来自呼叫中心的音频，处理实时流或预先录制的音频。

微软Cortana

微软于2017年10月发布了自己的语音虚拟助手Cortana。

Cortana家庭扬声器和移动设备应用程序可为用户提供提醒；保留笔记和清单；据微软称，它可以帮助管理日历。它可以从Apple Store和Google Play下载，并且可以在个人计算机，智能扬声器和手机上运行。

在名为Invoke的Microsoft家庭扬声器上，Cortana进行了编程，以帮助用户语音控制音乐，将播放列表排队，调高或调低音量。并停止或开始曲目。但是，它不支持Spotify之外的主要音乐流服务。微软表示，智能扬声器还可以回答各种问题。拨打和接听Skype电话;并查看最新新闻和天气。

微软声称，在PC上，Cortana可以跨Office 365，Outlook和Gmail帐户管理用户的电子邮件。微软表示，Cortana的客户或技术合作伙伴包括Domino，Spotify，Capital One，Philips和FitBit。

微软语音识别技术的核心是“语音转文本”界面，该界面可将音频流转录为文本。这与创建Cortana，Office和其他Microsoft产品的技术相同。微软表示，该服务可以识别语音的结尾，并提供格式化选项，包括大写和标点符号以及语言翻译。

苹果的Siri

当Apple在2011年将Siri首次集成到iPhone 4时，虚拟助手连接到了许多Web服务，并提供了语音驱动功能，例如通过TaxiMagic订购出租车，从StubHub提取音乐会细节，从Rotten Tomatoes中查找电影评论，或筛选Yelp中的餐厅数据。

如今，Siri的功能包括翻译，播放歌曲，预订游乐设施以及在银行帐户之间转移资金。据Apple称，由于其具有机器学习功能，因此可以使用新命令对其进行编程。

虽然Siri在Google Assistant和Amazon Alexa之前发布，但与其他市场上的技术相比，它在响应命令或问题时的准确性仍然令人担忧。

记者将Siri与Google Assistant和亚马逊的Alexa进行了对比。一方面，Alexa更准确地响应命令。在我们的研究中，我们还发现了更长的视频评论，这些评论表明Siri在对所有三种语音技术提出的问题的准确回答上均落在后面。

据预测，从2016年到2024年，价值550亿美元的语音识别行业将以11％的速度增长。 该技术已经以转录应用的形式在规模较小，鲜为人知的公司中的其他行业中得到很好的使用。当前在医疗保健中，医疗专业人员使用语音来进行文本转录应用程序（例如Dolbey）来为患者创建电子病历。

在执法和法律部门，诸如Nuance之类的公司提供了转录应用程序，以便准确，快速地记录文档是至关重要的，转录也用于记录事件报告。在媒体中，记者使用Recordly等转录应用程序作为记录和转录信息的工具，以帮助获得更准确的新闻报道。在教育方面，Sonix帮助研究人员记录定性访谈的内容。

在提供语音和语音识别功能的五家领先的技术公司中，谷歌，亚马逊，微软，苹果都具有类似的功能，围绕日程安排，提醒，播放列表管理，与零售商联系，管理电子邮件，下订单和在线搜索。

这些都是在移动，个人计算机上提供的，并且大多数以自己的品牌家用扬声器提供。亚马逊的Alexa在Echo上，苹果的Siri在HomePod上，谷歌助手在Google Home上，微软的Cortana在Invoke上。

尽管苹果在这方面是开拓者，但事实证明，Siri比亚马逊的Alexa和Google助手要“笨”得多，与其他产品相比功能有限。一项由近5,000个问题组成的研究表明，Google助手是这四个应用程序中最智能的。

但是，就技能而言，另一份报告显示Alexa的技能最多，为25,785，Google Assistant为1719，Cortana为235。Siri未包含在此报告中。这些公司提供这些应用程序的商业版本的原因是技能的增长。软件开发工具包（SDK）已提供给开发人员，使初创公司和小型企业能够为其客户建立定制的技能。

钛灵AIX是一款集计算机视觉与智能语音交互两大核心功能为一体的迷你人工智能计算机，搭载了专业AI边缘计算芯片与多种传感器。Model Play面向全球开发者的AI模型资源平台，内置多样化AI模型，兼容钛灵AIX，支持谷歌 Edge TPU边缘人工智能计算芯片，加速专业级开发。

此外，Model Play提供完整易用的迁移学习模型训练工具及丰富模型实例，可与钛灵AIX完美搭配结合，实现各类人工智能应用的快速开发。基于Google开源神经网络架构及算法，构建自主迁移学习功能，用户无需写代码，通过选择图片、定义模型和类别名称即可完成AI模型训练，实现人工智能的易学易开发。