语音并不是一个新鲜事物，2011年，Siri被内置在iPhone 4s之中横空出世时，曾掀起一波语音技术和讨论热潮和语音助手的创业热潮。时隔五年之后，Google AlphaGo人机大战将AI（人工智能）从实验室技术变成坊间热议的话题，人工智能成为国内外科技巨头的争夺焦点，语音则成为巨头进军AI的必经之路。
Google I/O大会上，最重要的项目便是Google Assistant（谷歌助理）和Google Home（类似于Amazon Echo的智能家庭音箱助手），Google Home的基础则是语音。
苹果WWDC开发者大会上，5岁的Siri终于兼容了Mac，并向开发者开放，能完成更多任务。
Amazon Echo成为Amazon 最成功的硬件产品，这款产品销量已达到400万，家庭智能语音音箱，被视作是智能手机之后的又一个爆款品类。
KPCB合伙人、享有“互联网女皇”称号的玛丽米克尔在今年的互联网趋势报告中，将超过十分之一的篇幅给了“语音”二字，在其看来，“触摸屏+麦克风”正在取代“键盘+鼠标”的交互方式。
如此重要的技术革命，中国巨头自然不会缺席。截止目前，中国市场还没有与Amazon Echo媲美的中国版智能语音音箱，但在软件层面互联网公司却一直在想方设法入局。Siri发布的第二年，搜狗便发布了语音助手，搜狗也是中国最积极投资语音的互联网巨头之一，阿里、腾讯、网易、京东等巨头在语音上虽然偶尔有零星动作，但并未将之视作重点，要么是第三方合作，要么是蜻蜓点水。搜狗是搜索引擎，均崇尚技术，这是其押注语音的原因所在。
输入成中国玩家进军语音的亮点
输入是语音最典型的应用场景，户外、家里、走路、开车，人们有许多时候都不便于打字，或者说懒得打字，抑或打字效率不够高，语音就成为一种选择。随着语音技术的发展，识别准确率、方言兼容度、噪音抗干扰诸多难题都已得到解决，语音识别率已达到实用水平。
在语音输入法上，搜狗输入法、讯飞输入法和百度输入法是最主要的三个玩家。科大讯飞凭借着语音技术切入输入法领域，宣称用户数已过亿；百度输入法也将语音当做亮点，其宣称借助于DeepSpeech技术解决了噪音问题。语音输入量工具最大的则是搜狗输入法，其7%的用户会用到语音识别功能，这一功能每天会有超过1亿次的语音转化量，在整体1.4亿的请求次数中占据相当比例，这也侧面表明，搜狗语音应用最关键还是输入。
搜狗输入法做语音则有5年历史，与讯飞语音输入法强调识别率不同，搜狗输入法更强调智能输入。识别率再高，语音输入依然会有错字现象，手工更改成痛点用语音输入就是因为不想动手。搜狗输入法的解决方案是智能交互，比如用户说“航天一院”很可能被识别为“航天医院”，用户就可再说“一二三四的一”，搜狗输入法就会将“医”改为“一”。这样的交互能实现，关键不在于识别率，而是语义理解，如果没有语义理解技术，就会直接将“一二三四的一”转化为文字。好的语义理解，需要应用深度学习为基础的人工智能技术，这是互联网公司尤其是搜索公司擅长的地方。
语音输入法成为中国互联网巨头做语音的一大亮点，美国用户并不需要“输入法”，系统自带功能就可满足，因此美国并没有类似于搜狗这样的输入法巨头。当然，英文会需要语音输入，不过这并没有成为Siri的重点，未来或许会出现英文版的语音输入法。
汽车成中国巨头最亲睐的场景
在语音使用场景方面，美国科技巨头更亲睐“家”，Amazon Echo、Google Home均是面向家庭这一场景。家是封闭空间，相对更安静，并且干扰他人和被他人干扰的问题更小，还能与智能家居打通，是非常适合的语音场景。不过，由于做硬件需要较强的“硬实力”，与智能家居打通则需要大量的产业整合，不是一时半会能实现的，因此中国互联网巨头均对这个场景望而却步，阿里、京东有尝试与第三方合作推出与Echo类似的产品，市场表现却很平淡。
与“家”同等重要的语音场景非汽车莫属：车主在驾驶时双眼和双手都被占用，语音成为最佳输入方式。过去汽车内的语音输入存在许多痛点，自带语音功能只支持少数英文命令，并且还要给更多钱买“豪华版”才会配置。汽车内的语音交互充满着互联网巨头最向往的颠覆机会。
搜狗针对汽车发布了智能语音导航App，可实现驾驶之外的常规车内交互，包括打电话、发短信、查天气、歌曲播放等等，这款产品可运行在智能手机上，还可通过车机互联协议使之运行于汽车屏幕，如果汽车厂商与搜狗进行前装合作则可独立运行于汽车的OS上。不久前，YunOS与上汽合作的国内首款互联网汽车，语音交互被当做一个卖点：阿里巴巴CEO张勇展示了用语音打开天窗这样的操作。在未来，汽车内的语音交互将成为标配。
智能技术确保语音能够听得懂
Siri才五年历史，但语音却有十分悠久的历史：科大讯飞在1999年就已成立，现在是A股市场上市值400亿元的语音巨头。不过，语音走向大众，彻底改变人机交互方式，却是近几年才发生的事情。从国内外科技巨头的动作来看，智能技术和云端服务已成为语音的两大支柱。
语音技术过去是基于“规则”而不是“统计”，基于一定规则，对海量的语料库进行处理之后就能不断提高识别准确率。深度学习为基础的人工智能技术加入之后，语音技术就变成通过机器集群去学习海量语料数据，并寻找到各种规律，进而进行准确的语音识别和语义理解。
不论是语音输入的智能纠错，还是语音搜索对用户请求的准确理解，抑或Siri响应用户诸如“帮我设置一个提醒，明天9：00取快递”这样的复杂命令，底层均是人工智能技术，AlphaGo掀起的AI启蒙运动则将会成为语音普及的助力。
搜狗与清华大学联合成立“天工智能实验室”，正在人工智能技术这个“根”上布局，以求赢在起跑线上。借助于人工智能技术，搜狗宣称语音识别准确率高于97%，识别速度高达每分钟400字以上，在语音修改方面，支持替换、插入、删除等几百种改错操作 ，修改成功率达到90%以上，处于行业领先水平。
云端服务则决定语音能够做什么
智能技术确保了人与机器能够顺畅地对话和交互。云端服务整合能力，则决定机器在听懂人话之后能做什么。
Siri相比Google Now的劣势是，许多Siri无法回答的问题，Google Now可通过搜索解决。Amazon Echo之所以有很大价值，在于其能够去Amazon网站下单购物。这些均体现了云端的服务整合能力，正是意识到这一点的重要性，今年的WWDC上苹果决定开放Siri给开发者，让开发者来丰富Siri的服务。
云端服务上，搜狗拥有搜狗地图、搜狗搜索、搜狗号码通、搜狗问问、搜狗百科等产品，未来搜狗语音还可整合其伙伴如京东、知乎、腾讯的诸多服务，比如QQ音乐、腾讯视频、京东购物等等，甚至用语音给微信好友点个赞。相对来说，互联网巨头云端服务整合能力更强，搜索引擎凭借着强大的内容整合和服务连接能力表现又更突出。
仅仅是整合“在线服务”并不足够，互联网巨头要做语音，下一步重点将是努力去与实体世界服务实现整合，比如让用户能够通过语音订外卖，可以通过语音打开门禁，通过语音来打开车窗……整合方式有两种方向：一种是手机App与各种服务连接起来；还有一种是语音inside各种硬件之中，例如机器人，汽车等等。总之，整合实体世界服务之后，语音就不会只是回答用户的问题，而是要帮助用户完成任务，成为全能助理。
语音市场在AlphaGo掀起人工智能热潮之后又迎来新的发展契机，语音正在彻底颠覆人与机器的交互方式，百度和搜狗为代表的中国科技巨头正在输入、汽车等场景上寻求突破，在智能技术和云端服务上进行双重布局。不过，要让麦克风取代键盘，科技巨头还有很长的路要走，可谓任重道远。
