如今语音交互虽然还不能像电影《Her》中的虚拟女主“萨曼莎”一样，能跟人自然交流，甚至理解人类复杂的情感需求，但以问答搜索、任务控制、娱乐消遣为主要功能的各类语音交互类产品，已经涌现在我们的工作、家居、车载等环境中。

近几年，语音交互类产品开始火热起来，BAT、小米、联想等巨头纷纷入局，都发布了语音音箱类产品，想要在这波风口中占据一席之地。

而语音音箱的走红，不只是一次远场语音交互技术的突破，声智科技联合创始人&CKO常乐认为，它找到了一个真实的市场需求，提供了可简单操作的语音交互功能，取代的可能是闹钟、定时器、遥控器等这些零碎的家居生活用品。

可以预见，随着电视、冰箱、汽车和机器人等进入智能时代，也将依托语音音箱中的核心技术架构。成立于2016年的声智科技，就是远场语音交互的代表企业之一，也是上述厂商们语音交互产品的技术供应商。

声智科技的产品展示

声智科技的核心成员来自中国科学院，拥有多年的声学和语音识别技术经验。主要提供从端到云的智能语音交互技术和服务方案，包括从芯片、模组、开发板到完整产品的智能语音应用方案。

目前，声智科技已经与ARM、NVIDIA、Xilinx、Cypress、Knowles 等芯片和器件厂商合作，同时，与百度、阿里、腾讯等AI 平台企业合作。

 由Echo引爆的语音音箱市场 

语音音箱的走红离不开前期Siri等虚拟助手的技术积累，但这些虚拟助手大多成为调戏娱乐的对象，在实际应用场景落地中总是差把火。

2014年，亚马逊Echo把近场语音交互拓展到了远场语音交互，放大了其对搜索、任务控制、购物的功能应用，价格又不高，获得了上千万的销售量，成功打开市场。

可以说Echo是一款标志性的产品，意味着语音交互在场景化产品落地上拉开了新的帷幕。这也给了国内厂商很大信心，纷纷跃跃欲试，想要抓住下一个潮流趋势和投资风口。

“跟Echo类似的语音音箱，会更符合人类自然交流的习惯，也标志着AI的兴起，开始从‘以机器为中心’转向‘以人类为中心’。”常乐说，“语音交互不再是和设备‘交头接耳’、‘窃窃私语’的交互状态，也不再是按键和触控交互方式的辅助或者补充。”

远场语音交互把人机交互的距离扩展到了5米，这也意味着要在语音识别前端和后端处理技术提出了更高的要求。

比如前端使用的麦克风列阵硬件，需要通过声源定位以及自适应波束形成做语音增强，完成远场拾音，解决噪声、混响、回声等带来的影响，然后通过后台的识别引擎，也就是各种复杂的软硬件的组合，实现语音转换、语义理解等。

这也是声智科技积累的技术优势，从靠前端的语音拾取和语音识别，开始扩展到完整的语音交互解决方案。其中声学技术、麦克风阵列、语音唤醒和语音识别、端到端深度学习等软硬融合技术业内比较受到认可。

 先解决机器听清的问题 

可以说，正是因为智能音箱成功打开市场，远场语音交互技术才得以演进应用。毕竟让机器听懂世界涉及了数学、物理学、语言学、医学、计算机学等各学科的知识，但从应用场景来看，则相对比较简单。

常乐认为现在要先解决机器能够听清的问题，当语音交互的场景过渡到以智能音箱Echo、机器人或者汽车等设备为主要场景的时候，机器听清就尤为重要。真实环境存在大量的噪声、多径反射和混响，导致拾取信号的质量下降，这会严重影响语音识别率。

现在看来，智能语音交互场景还局限在语音音箱的积累之上，但随着未来智能家居、车载、银行、酒店行业等其他场景的突破，语音交互将进一步得到市场释放以及技术积累。

这也是声智科技要走的市场路线，服务于2B行业的企业，先从家里覆盖，在家里使用习惯之后再慢慢扩展到用户的其他生活方式。比如办公也是比较大的应用场景，现阶段还没有成熟的切入口，但用语音控制会议室，进行远程会议等场景中还是能够实际落地的。

常乐看来，像“萨曼莎”这样的机器人管家就是语音交互未来的发展方向之一，“但到达这个阶段还需要一定的时间，先进入智能感知，听懂用户命令的阶段，才能过渡到智能认知阶段，”常乐说，“现在还是在培养用户习惯，尤其是对未来有更大购买力的群体——新生代的年轻人来说，如果他们从小就开始接触语音交互类的产品，就会天然对这种交互方式有好感。”

 如何看待市场竞争关系？

目前，随着语音交互的市场需求增加，围绕着语音交互，芯片、麦克风阵列、远场语音识别、语义理解、语音合成、代工厂商、平台服务、终端智能设备等相关厂商都在蓄势待发，力求抢占语音入口的先机。

对于声智科技而言，竞争优势到底在哪里呢？或者说为什么BAT、小米等厂商都会选择声智科技的产品和技术呢？

其实，在国内外专注声学技术的创业公司并不多，国内真正能够完整提供单麦/双麦，三麦、4麦, 6麦等麦克风阵列方案的只有声智科技一家。与国内语音赛道的龙头企业科大讯飞相比，声智科技选择不同的商业逻辑。

科大讯飞选择的是既做2B又做2C的业务模式，科大讯飞跟BAT属于竞争关系，也想做成平台型巨头。而声智科技则专注于2B商业落地模式。

虽然语音交互技术本身处理的步骤大同小异，但在细节上的智能化处理就有很大的功能性的不同，比如偏向安全领域，会较多关注如何识别出不同用户的声纹特质加以区分，然后达到对车辆、家居用品的准确控制上；而偏向物联网，则会更加注重各种智能化产品的联动配合，比如打开房间，通过门口的智能感应器预测主人的位置，智能音箱就可以贴心地把最近的灯打开。

另外，常乐认为，在语音赛道里面，很多创业公司也在不断改变方向，本来是做技术，但是后来转向做产品，推出智能音箱或智能的语音交互设备，也有转做平台的公司，还有当中兴事件让芯片成为焦点，又有不少创业公司转做芯片……

而声智科技会坚持做语音交互技术服务提供商，为客户提供完整的语音交互技术与服务，牢牢守住在技术上的核心优势，并且已经能够市场批量量产。

 “相信在远场语音识别这个领域，目前声智应该是全国有最多真实场景数据的公司，也是技术最领先的公司。选择跟BAT合作方式，相对而言，声智科技更加灵活，也专注于做自己擅长的事。”

比如和百度合作的新品小度智能音箱，声智科技就专门研发了针对儿童语音习惯的唤醒与识别技术，给“小度智能音箱”的“儿童模式”提供更好的语音唤醒和语音识别体验。

据了解，未来，声智科技还是会在自己擅长的领域加以深耕，内容和平台则会交给合作伙伴来共同开辟。

常乐透露，声智科技从成立开始就一直有收入。 “我们从一开始就不做免费的单，首先第一个它是破坏生态，大家都竞相免费，那后续还怎么来赚钱？这对行业和整个产业是一个不太好的趋势。如果大家都赚不到钱，那就陷入了死循环。所以需要通过合理的商业模式的落地，找到合适的变现方式。 ”