互聯(lián)網(wǎng)技術(shù)正在深度融入人們的工作與生活，從一開始的電腦、手機、平板逐步被智能化以后，到現(xiàn)在幾乎所有的家電設(shè)備都面臨著一場大規(guī)模的智能化改造。因此，一個被業(yè)內(nèi)稱為萬億級的智能家居市場正處在爆發(fā)的前夜，眾多企業(yè)都在以獨特的切入點努力打開智能家居的突破口，以便盡可能多的切下這個巨大市場的其中一塊蛋糕。

　　作為國內(nèi)唯一的語音技術(shù)上市公司，科大訊飛近半年來在智能家居方面頻頻布局，不但與TCL、長虹、海爾、海信、康佳、創(chuàng)維等智能電視廠商合作推廣電視語音控制，而且還推出自主研發(fā)的訊飛智能音箱，通過將此前多年積累的智能語音技術(shù)植入進家電設(shè)備中，讓家電控制更加智能化、更加人性化。

　　熟悉科大訊飛這家公司的圈里人都非常清楚，這是一家在跌宕起伏中成長的公司。手握技術(shù)，卻找不到方向，這是對科大訊飛十五年成長軌跡的最貼切描述。十幾年前，科大訊飛推出的話王98和暢言2000兩款產(chǎn)品試水后就宣布失敗。

　　十幾年后，科大訊飛再次將目標鎖定個人消費市場，推出智能音箱等智能家居產(chǎn)品。與傳統(tǒng)智能音箱不同的是，科大訊飛的智能音箱支持語音操控和語音識別。除智能音箱外，科大訊飛還嘗試用語音操控，將所有的智能家居設(shè)備連接在一起。不得不說，科大訊飛的夢很好，只是這個夢很難圓。

　　從表面來看，支持語音操控的智能家居有很強的吸引力。事實上，語音操控不過是一個操作方式，與手機遠程操控相比并沒有本質(zhì)的區(qū)別。對于用戶而言，為智能家居增加一種操控方式，意義不大。更何況，這一時髦的語音操控模式需要用戶買單，代價有些高。

　　目前，訊飛的主要產(chǎn)品中體現(xiàn)了兩種重要的語音技術(shù)，一是語音合成技術(shù)，一是語音識別技術(shù);前者已經(jīng)有非常成熟的技術(shù)，現(xiàn)如今想要讓機器人講一口流利的鳥語，或者發(fā)出林志玲式的“加油”嗲聲已經(jīng)非常容易了，但語音識別技術(shù)發(fā)展則相對緩慢，而正是在這項技術(shù)上的突破和創(chuàng)新，才成就了訊飛中文語音領(lǐng)導(dǎo)者的地位，他們推出的訊飛輸入法雖然比不上搜狗輸入法流行，但其中采用的語音識別技術(shù)卻深受用戶好評，支持普通話、英語、四川話、河南話、東北話、天津話、山東話…..行話、黑話等等，目前用戶達到1億，不僅成為Android手機的標配，而且成功登陸App store，獨享支持語音輸入法第三方軟件的榮耀，而且是那種無需越獄即可安裝的正式編制。

　　或許，正是自信于自己在語音識別技術(shù)上的優(yōu)勢，訊飛才敢押寶于智能家居，也適當?shù)啬芙o巨頭們灌輸了一些利己思想：“語音才是未來智能家居的交互模式”，但如前文所述，智能語音作為整個智能家居中的一種配套技術(shù)，沒有辦法，也沒有能力推動整個行業(yè)大踏步前進，所以，訊飛選擇以“語音”切入智能家居領(lǐng)域并不是一個非常明智的選擇。

　　不可否認，訊飛輸入法能支持各地方言證明了語音識別技術(shù)還有著非常大的發(fā)展?jié)摿Γ�但這也僅僅是“輸入法”的一個應(yīng)用。事實上，任何的機器識別技術(shù)無不是建立在海量的數(shù)據(jù)、高速的運算基礎(chǔ)上的，語音識別的體驗同樣要取決于語音數(shù)據(jù)存儲的規(guī)模、以及后臺處理的運行能力。不巧的是，智能家居領(lǐng)域需要的數(shù)據(jù)量遠非一個輸入法所能相比的，這種龐大的數(shù)據(jù)也不是工程師能在實驗室里編碼出來的，而是要把收集工具嵌入到消費者的日常生活中，這也就注定了語音識別技術(shù)不可能獨立發(fā)展，而是要背靠類似蘋果、Google、三星這樣的平臺企業(yè)，只有這些巨頭有機會無時無刻地收集用戶數(shù)據(jù)，從而建立起巨大而完善的數(shù)據(jù)庫。遺憾的是，即便有數(shù)億只iPhone滲透于全球消費者、Google的衛(wèi)星也每天在太空中照照片、瞎轉(zhuǎn)悠，但蘋果siri和Google now等語音助手依舊不能成為消費者的貼心秘書，一位美國朋友曾分別問過Siri和Google now，哪里有便宜的雞蛋?蘋果的回答是街區(qū)盡頭的飯館里，而Google則把箭頭指向了跨州的一個著名養(yǎng)雞場，但家里的保姆卻能告訴他：最近的沃爾瑪超市，雞蛋正在搞促銷!

　　沒有海量的數(shù)據(jù)存儲，語音識別是不可能實現(xiàn)精準判斷的，事實上，在一些流傳出的智能家居產(chǎn)品測試中，消費者的體驗也非常糟糕，如果貿(mào)然采用不成熟的家居系統(tǒng)，可能會出現(xiàn)如下情況: 河北的丈夫回家之后，能順利地通過語言開燈，而來自內(nèi)蒙的妻子，操著一口東北方言，嗓子喊啞了才能把燈打開，而來自廣東的情人，則沒能把燈打開，當然，鑒于她和男主人的主要業(yè)務(wù)，可能也不需要開燈了。

　　毫無疑問，智能家居黃金產(chǎn)業(yè)鏈中，電子設(shè)備的人機交互成為一個重要門檻，它很大程度上決定了智能家居產(chǎn)品是否具有方便、易用、智能的用戶體驗。智能家居的人機交互包括了指令及內(nèi)容的輸入與輸出，內(nèi)容輸出相對比較簡單，主要是顯示屏輸出及語音輸出。

　　而家電的指令輸入有按鈕、遙控、鍵盤、觸摸屏、語音、體感等多種方式，目前主流的控制方式依然是按鈕及遙控器，比如電視、空調(diào)、冰箱、燈光等等。隨著智能電視的爆發(fā)性增長，類似鍵盤、飛鼠及體感攝像頭等新型控制設(shè)備也在逐步流行，以適應(yīng)智能電視集觀看、運動娛樂及購物等多種功能。

　　但是從人們期待的智能生活看來，目前的物理控制方式還是顯得累贅繁瑣，人們希望晚上回家，燈光自動打開，音響里自動播放喜歡的音樂，電視可以語音控制打開需要的頻道，早上起床鬧鐘響起自動語音播報今天天氣狀況�？傊�，家電設(shè)備的控制與內(nèi)容輸出盡可能簡單自然，真正解放人的雙手。

　　可是，愿望總是美好的，現(xiàn)實總是殘酷的。智能語音技術(shù)盡管近幾年來取得了突飛猛進的發(fā)展，但是離人們期待的隨心所欲的控制家里的一切還有相當遠的距離。其中，語音識別率低是最大的障礙。即使是依靠口音相對統(tǒng)一的英語輸入為主的蘋果siri，其識別率也很難達到90%以上的程度。

　　對于中國這樣有著56個民族，有幾百上千種方言的人口大國，各種口音、腔調(diào)混雜其中，即使是普通話各個地方也有巨大的口音差異。因此，基于漢語為基礎(chǔ)的語音識別技術(shù)將面臨比英語更加巨大的技術(shù)挑戰(zhàn)，語音識別準確率會因人而異而變得非常明顯。識別率的低下將會導(dǎo)致語音控制技術(shù)在智能家居應(yīng)用中用戶體驗難以達到用戶預(yù)期，甚至成為一種可有可無的擺設(shè)。

　　智能語音技術(shù)除了需要提高用戶語音輸入的識別準確率，還需要提高語義理解能力。即使是蘋果siri、谷歌Now這樣世界級的語音助手工具，其輸出能力還處在十分初級的狀態(tài)，以致很難黏住用戶。調(diào)查數(shù)據(jù)顯示，Siri可以理解83%的問題，但回答正確率只有62%。

　　總之，無論是國外科技巨頭，還是國內(nèi)智能語音領(lǐng)域的先鋒企業(yè)，要想真正讓智能語音技術(shù)進入千家萬戶融入人們的生活，真正為人們所用，那么必然離不開識別技術(shù)的提高及后端龐大的語音知識庫，目前階段將智能語音技術(shù)稱為入口還為時太早。