加入高工智能汽車專業(yè)行業(yè)群(自動駕駛5群，車聯(lián)網(wǎng)智能座艙3群，智能網(wǎng)聯(lián)商用車2群)，加微信：17157613659，出示名片，僅限智能網(wǎng)聯(lián)汽車軟硬件供應商及OEM廠商。

早在2016年，亞馬遜推出的語音助手Alexa在科技圈掀起了一片滔天巨浪。很多人都以為，真正的智能語音時代已經(jīng)拉開了序幕。但現(xiàn)實卻是，AI語音的落地場景很多，但用戶的使用率較低、體驗也不佳。

新的技術往往要經(jīng)歷兩次出生，一次是新生，一次是重生。誠然，第二次更難！機器學習的演進，資金與人才的持續(xù)投入，使新晉的一些語音初創(chuàng)公司從技術上得以較快地趕上語音巨頭的腳步，但也由此走到了發(fā)展瓶頸。

智能語音距離真正的人機自由交流還有很大的差距，而現(xiàn)階段語音技術同質(zhì)化的現(xiàn)狀只能迫使中小型公司靠打價格戰(zhàn)來維持市場份額。周而復始，惡性循環(huán)。

“語音在目前只是一個噱頭，并不是大眾生活的剛需，也沒有真正走進用戶的生活場景中。”Soundhound大中華首席代表劉碩對《高工智能汽車》表示，語音和其他公司的產(chǎn)品數(shù)據(jù)并沒有打通，無法實現(xiàn)更深入的開發(fā)，也自然不能實現(xiàn)使語音像移動支付一樣，為用戶打造出連貫的使用場景，成為用戶生活的必需品。

不過，場景的局限并沒有限制消費者的使用意愿。

劉碩表示，根據(jù)一些主機廠提供的用戶反饋來看，車載語音是反饋中占比最大，抱怨最多的部分。“這證明大家對于語音是有需求的。所以目前的狀況就是大家都想用，但這個技術又不夠好，這就給我們提供了很大的發(fā)展空間。有痛點才有機會！”

目前，車載語音技術存在的缺陷首先是識別系統(tǒng)對環(huán)境的依賴性強，特別在高噪音、有回聲的環(huán)境下，語音識別率就會大打折扣。其次，是識別速度、方言等細節(jié)問題。

“許多人問我方言應該怎么處理。我認為，如果目前有一種語音技術，或者一種語音場景，能做到讓說普通話的人可以高頻使用了，才需要再去考慮其他方言的問題。現(xiàn)在考慮方言價值不大。”劉碩強調(diào)。

源自聽音識曲的老品牌

Soundhound是一家專注于語音AI和智能對話的公司。其產(chǎn)品Houndify是一個獨立的AI平臺，提供人工智能驅(qū)動的語音技術服務，包括語音識別、自然語言理解、開發(fā)者工具、知識圖譜等。

公司由斯坦福的幾個學生于2005年成立，總部設在加州圣克拉拉，目前在中國設立了分公司，中文名字為“聲航”。

過去幾年，Soundhound從大眾熟知的音樂識別軟件躋身于全球前列的語音識別平臺，已拿到了包括英偉達、三星、奔馳、騰訊等行業(yè)巨頭的投資。目前公司將百分之九十的業(yè)務重點聚焦于汽車行業(yè)。

作為創(chuàng)業(yè)公司，Soundhound已經(jīng)積累了較多的量產(chǎn)車經(jīng)驗，包括奔馳、現(xiàn)代、起亞、雪鐵龍等。也許站到巨人的肩膀上看風景從來就不是容易的事情，但是明晰的發(fā)展思路也可以助力星星之火，以便成燎原之勢。

“Soundhound最大的優(yōu)勢之一就是語音對車外場景的連通。”劉碩認為，智能語音經(jīng)歷了對車機的控制，到車身的控制，再到整個生活服務等邊界的打開，意味著整個語音市場會發(fā)生比較大的變革。

比如，梅賽德斯·奔馳最新搭載的信息娛樂系統(tǒng)MBUX，就是由Soundhound研發(fā)的Houndify提供支持，可以讓用戶“足不出車”，便可以知道車外的信息。

駕駛者說出“嗨，梅賽德斯，我餓了，提供一些適合吃午飯的餐廳，要有免費Wi-Fi和停車場”，隨后MBUX就會列出了一些可供選擇的餐廳。

劉碩表示，“Soundhound是業(yè)界唯一一家研發(fā)出支持復雜多輪以及跨域?qū)υ挼恼Z音公司。”

多輪即多次的、有邏輯的、更多互動的對話。如果系統(tǒng)提供的餐廳不是用戶想要的，用戶便可以接著對系統(tǒng)提出更多的要求。比如，“這家餐廳有點遠，幫我找一家更近的”，“我不吃西餐，幫我找家中餐館”，“我想吃川菜”……直到系統(tǒng)提供出最完美的選項為止。

跨域即會話內(nèi)容里包含兩個及兩個以上的域。比如用戶對車載語音說，“我要去廣州看恒大的球賽，什么時候出發(fā)？”這個問題需要體育和導航兩個域的數(shù)據(jù)。第一個域回答今天廣州恒大的比賽在什么時候，哪個體育場，第二個域告訴用戶前往目的地的路程需要多久。

“多輪與跨域是我們獨有的技術優(yōu)勢，目前其他公司的產(chǎn)品只能識別簡單的語音，即便是推出了多輪對話的方案，也無法實現(xiàn)跨域。”劉碩表示。

對于產(chǎn)品未來的發(fā)展，他也有自己清晰的定位：“現(xiàn)在要考慮的不是去搶項目，或者低價拿項目。而是在三五年以后，能不能達到用戶的某一兩個使用場景是和我們密切相關的，是獨家的。”

語音到底能不能做成特別智能，對大眾特別有價值？我認為會有的，但一開始不是很通用型的，比如什么都可以問，什么都可以回答，這個短期肯定做不到。但我們可能會在某幾個點上做到突破，做出對用戶很有用的東西，這個就夠了。

Soundhound的一個獨特價值便是其獨立的AI平臺Houndify，它可實現(xiàn)開發(fā)人員和企業(yè)所有者能夠在任何地方部署，并保持對品牌和用戶的控制，同時實現(xiàn)差異化和創(chuàng)新。目前該平臺已吸引了6萬名開發(fā)者。

劉碩強調(diào)，Soundhound也有多語言的支持能力。“語音從架構上講，包括識別和理解兩大部分，他們有通用的核心引擎。但識別每種語言的模型是不一樣的，所以不同語言都要分別開發(fā)。而且不同國家對于內(nèi)容的需求是不一樣的，比如印度熱衷于板球的內(nèi)容。”

在劉碩看來，針對這些地域差異的細節(jié)需求，也要形成個性化的內(nèi)容研發(fā)。對于國內(nèi)的企業(yè)來說能做到這一點的非常的少，特別是在汽車行業(yè)。

建立差異化的技術優(yōu)勢

識別是一門涉及面很廣的交叉學科，它與聲學、語音學、語言學、信息理論、模式識別理論以及神經(jīng)生物學等學科都有非常密切的關系。而智能語音除了識別與理解這兩個核心模塊，還有前端的麥克風陣列、降噪、TTS、內(nèi)容等模塊，不同的語音廠商也都有各自擅長的地方。

在被問及是否會與競品公司合作時，劉碩表明了開放的心態(tài)：“我們可以作為某幾個模塊的提供商，讓其他競品公司來做另外模塊的提供商，大家形成優(yōu)勢互補。目前在國內(nèi)我們已經(jīng)有了幾家簽約的合作伙伴。”

劉碩表示，公司目前進展比較順利，設于中國的分公司去年四月份開始招人，目前已有八個人的團隊，也拿下了國內(nèi)一個主機廠的業(yè)務，同時在其他的非汽車的行業(yè)也有自己的業(yè)務版圖。

但是近兩三年并不急于拿下項目，而是規(guī)劃建立一個三十人的市場及研發(fā)團隊，吸納更多科技人才，深耕技術研發(fā)，爭取實現(xiàn)更多語音模塊的技術領先，造福更多車企。

SoundHound于2017和2018年融資將近2億美元?，投資方包括三星、KPCB, 美的、騰訊、現(xiàn)代等，估值超過10億美元。劉碩認為，充足的資金給了Soundhound更多時間與精力去做更長遠的事情，為語音界貢獻更多的力量。

除了得到了資金支持，也接觸到了更優(yōu)質(zhì)的客戶資源。他表示，在未來幾年中，Soundhound也有可能會從戰(zhàn)略合作的角度，通過融資的方式使投融資雙方達成更加密切的業(yè)務合作關系。

總結

以上是生活随笔為你收集整理的离线语音识别软件_从音乐识别软件起家，这家公司如何备战车载AI语音市场GGAI对话...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。