中國智能語音市場調(diào)研報告-市場供需現(xiàn)狀與發(fā)展動向研究

2021年中國智能語音市場調(diào)研報告市場供需現(xiàn)狀與發(fā)展動向研究

提示：根據(jù)數(shù)據(jù)顯示，2018年，我國智能語音行業(yè)市場規(guī)模為157.9億元，較上年同比增長56.6%；2019年，我國智能語音行業(yè)市場規(guī)模為**億元，較上年同比增長**%。

智能語音行業(yè)是以語音為研究對象，對語音語義進(jìn)行識別、理解以及生成，使機(jī)器具備自然語言處理能力，并且利用其核心技術(shù)賦予機(jī)器“聽覺”、“理解能力”以及“語言能力”。

智能語音技術(shù)涉及多類型個學(xué)科，其核心技術(shù)包括語音合成、語音識別、聲紋識別、自然語言理解、語音去噪等關(guān)鍵技術(shù)。智能語音技術(shù)分類智能語音技術(shù)分類簡介語音合成語音合成技術(shù)是通過計(jì)算機(jī)將外部輸入的文字信息轉(zhuǎn)變成自然流暢的語言，賦予機(jī)器“講話”的能力。語音合成技術(shù)覆蓋聲學(xué)、語言學(xué)、數(shù)字信號處理、計(jì)算機(jī)科學(xué)等多個學(xué)科。語音合成技術(shù)的實(shí)現(xiàn)過程主要分為文本分析和語音合成兩個步驟。文本分析是基于語言學(xué)原理，將文本標(biāo)準(zhǔn)化，將原始文本中的數(shù)字、縮略語等轉(zhuǎn)換為對應(yīng)的標(biāo)準(zhǔn)詞，然后進(jìn)行語言處理。在文本分析的過程中，系統(tǒng)將為每一個字詞賦予單獨(dú)的語音腳本，并依據(jù)規(guī)則對文本進(jìn)行分割標(biāo)記，將文字序列轉(zhuǎn)換成音韻序列。語音合成技術(shù)通過不同的算法，將音韻序列生成語音波形，合成高質(zhì)量的語音流輸出。語音識別語音識別技術(shù)是將人類語音中的詞匯內(nèi)容轉(zhuǎn)換成計(jì)算機(jī)可以處理的輸入內(nèi)容的技術(shù)。語音識別技術(shù)通過將用戶輸入的指令進(jìn)行特征提取，形成特征數(shù)據(jù)流，然后與系統(tǒng)中已有的語音模型進(jìn)行比對，尋找系統(tǒng)中最為接近的語音內(nèi)容。實(shí)現(xiàn)語音識別的過程主要分為四步：（1）選擇識別單元，即確定選擇識別的對象，然后根據(jù)識別對象的語音特點(diǎn)、詞匯量大小等條件確定識別對象為單詞、音節(jié)或音素；（2）提取特征參數(shù)，從語音波形中提取出重要的反應(yīng)語音特征的相關(guān)信息；（3）建立聲學(xué)模型和語言模型，進(jìn)行訓(xùn)練和識別；（4）是后期的處理，包括音字轉(zhuǎn)換、詞法、句法和文法的處理等。聲紋識別聲紋識別技術(shù)是基于聲紋信息識別人類身份的生物特征識別技術(shù)。聲紋識別技術(shù)通過提取發(fā)聲者獨(dú)有的聲門開合頻率、口腔大小形狀及聲道長度等聲學(xué)特征，進(jìn)而識別出發(fā)聲者的身份。聲紋識別技術(shù)的作用主要包括兩方面：（1）發(fā)聲者辨認(rèn)，主要用于在從某一語音材料的若干發(fā)聲者中尋找指定發(fā)聲者；（2）發(fā)聲者確認(rèn)，主要用于確認(rèn)某一語料是否由指定發(fā)聲者發(fā)出。聲紋識別技術(shù)實(shí)現(xiàn)原理和語音識別技術(shù)原理類似，但聲紋技術(shù)識別主要是對其發(fā)聲者身份的進(jìn)行判斷，因此實(shí)現(xiàn)過程相較于語音識別更簡單。未來，聲紋識別技術(shù)的主要發(fā)展方向?yàn)榻档桶l(fā)聲者身體狀況、說話的方式、錄音信道及環(huán)境噪音對聲紋信息的干擾，提高聲紋信息技術(shù)在干擾因素下的識別準(zhǔn)確度。自然語言理解自然語言理解技術(shù)是通過利用處理語言技術(shù)，使計(jì)算機(jī)理解人類語言的含義，并通過對話的方式回答用戶提出的問題。自然語音理解技術(shù)指將表達(dá)語音的一種方式映射為計(jì)算機(jī)能理解的表達(dá)方式，其使用原理是根據(jù)上下文辨識一個多義詞在指定句子中的確切意義，并根據(jù)句子的結(jié)構(gòu)和詞義推導(dǎo)該句子的句義。未來，自然語音理解技術(shù)將引入部分規(guī)則機(jī)制，利用規(guī)則和統(tǒng)計(jì)結(jié)合的方式彌補(bǔ)計(jì)算機(jī)對系統(tǒng)語言理解的不足。同時自然語言理解技術(shù)將開放學(xué)習(xí)機(jī)制，修正統(tǒng)計(jì)數(shù)據(jù)，彌補(bǔ)語料統(tǒng)計(jì)數(shù)據(jù)的局限性。語音去噪語音去噪技術(shù)通過控制語音通信過程中的語音質(zhì)量，提高系統(tǒng)對于語音理解的準(zhǔn)確性，緩解噪音污染對于語音收錄影響。在語音通信的過程中，實(shí)現(xiàn)波束形成、回聲消除和噪聲抑制都需要復(fù)雜的算法和大量的信號處理，回聲消除算法是目前語音去噪技術(shù)較常用的算法類型。有效的回聲消除算法需要持續(xù)的在一顆DSP芯片上運(yùn)行，但有限的DSP芯片資源有限將影響數(shù)據(jù)傳輸?shù)母咝院蛯?shí)時性，影響語音處理算法的算力以及語音處理系統(tǒng)的性能。語音去噪技術(shù)的成熟度是提高語音識別系統(tǒng)性能的保障。未來，語音去噪技術(shù)將不斷提高與實(shí)際環(huán)境使用的結(jié)合度，減少噪音干擾對語音語義識別的影響。數(shù)據(jù)來源：公開資料整理

根據(jù)數(shù)據(jù)顯示，2018年，我國智能語音行業(yè)市場規(guī)模為157.9億元，較上年同比增長56.6%；2019年，我國智能語音行業(yè)市場規(guī)模為**億元，較上年同比增長**%。2015-2019年我國智能語音行業(yè)市場規(guī)模及增速

數(shù)據(jù)來源：公開資料整理

一、優(yōu)勢分析

（1）智能語音核心技術(shù)升級發(fā)展：語音合成技術(shù)方面，在語音合成技術(shù)中最具代表性的語音合成方法為HMM模型，可以在不受人工干預(yù)的情況下，構(gòu)建較小尺寸的合成系統(tǒng)，適合應(yīng)用于嵌入式設(shè)備。近年來，語音合成技術(shù)的發(fā)展已接近自然人的發(fā)音水平，并從單一廣播風(fēng)格發(fā)展至擁有語調(diào)、情緒的程度。語音合成技術(shù)的發(fā)展為智能語音在車載導(dǎo)航、移動終端等設(shè)備的應(yīng)用奠定基礎(chǔ)。

語音識別技術(shù)方面，我國語音識別技術(shù)發(fā)展較快，其發(fā)展水平已實(shí)現(xiàn)與國外同步。語音識別技術(shù)的發(fā)展推動了語音聽寫技術(shù)在醫(yī)療、報社、銀行、電信等領(lǐng)域的應(yīng)用，同時推動嵌入式識別系統(tǒng)進(jìn)入智能終端領(lǐng)域。伴隨以語言學(xué)為基礎(chǔ)的文法模型的轉(zhuǎn)變，語音識別技術(shù)可以保證計(jì)算機(jī)更好的理解自然語言。并且人工神經(jīng)網(wǎng)絡(luò)技術(shù)在語音識別領(lǐng)域的應(yīng)用，可以有效緩解噪聲環(huán)境下的語音識別準(zhǔn)確度不高的問題，助力智能語音設(shè)備為用戶帶來較好的消費(fèi)體驗(yàn)。

聲紋識別技術(shù)方面，聲紋識別技術(shù)通過探測語音信號提取用戶獨(dú)有的聲門開合頻率、口腔大小形狀及聲道長度等聲學(xué)特征，進(jìn)而識別發(fā)聲者身份。聲紋識別技術(shù)的應(yīng)用可以有效解決遠(yuǎn)程身份認(rèn)證、網(wǎng)絡(luò)交易、生存認(rèn)證等問題，并且保障信息傳輸?shù)陌踩浴⑼暾院涂煽啃?。因此，聲紋識別技術(shù)的發(fā)展推動智能語音在國家安全、電話銀行、智能門禁等領(lǐng)域的廣泛應(yīng)用。

（2）輔助技術(shù)的發(fā)展為行業(yè)發(fā)展提供契機(jī)：在智能語音行業(yè)中，深度學(xué)習(xí)、大數(shù)據(jù)、云計(jì)算等輔助技術(shù)的發(fā)展提高了語音識別的準(zhǔn)確率、降低了數(shù)據(jù)存儲所需的硬件成本，為智能語音行業(yè)的發(fā)展提供契機(jī)，助力智能語音行業(yè)發(fā)展。

深度學(xué)習(xí)方面：深度學(xué)習(xí)是推動智能語音行業(yè)發(fā)展的關(guān)鍵性技術(shù)，基于深度神經(jīng)網(wǎng)絡(luò)的語音識別技術(shù)和機(jī)器翻譯技術(shù)可以大幅提高自然語言處理的準(zhǔn)確率，為用戶帶來較好的消費(fèi)體驗(yàn)。深度學(xué)習(xí)技術(shù)可以伴隨數(shù)據(jù)規(guī)模的增加不斷提升其性能，當(dāng)海量數(shù)據(jù)持續(xù)輸入存儲，設(shè)備的分辨性能將不會被影響，同時保證智能語音系統(tǒng)使用的流暢性。深度學(xué)習(xí)技術(shù)的應(yīng)用使機(jī)器可從數(shù)據(jù)中直接提取特征，產(chǎn)品設(shè)計(jì)者無需對每一個問題設(shè)計(jì)特征提取器，設(shè)計(jì)環(huán)節(jié)的簡化將有效節(jié)省產(chǎn)品設(shè)計(jì)及生產(chǎn)成本，降低技術(shù)難度。深度學(xué)習(xí)技術(shù)的應(yīng)用推動智能語音行業(yè)技術(shù)門檻的降低，吸引更多行業(yè)參與者布局智能語音市場，推動行業(yè)發(fā)展。

云計(jì)算方面：云計(jì)算服務(wù)為智能語音設(shè)備提供強(qiáng)大的運(yùn)算能力和資源整合能力，提高智能語音后臺技術(shù)的智能化水平，使終端設(shè)備獲得云端服務(wù)器級別的運(yùn)算能力，進(jìn)一步提高語音識別能力，推動智能語音技術(shù)應(yīng)用逐步落地。各智能語音服務(wù)商可以在傳統(tǒng)云計(jì)算結(jié)構(gòu)上建立新的服務(wù)層，提高智能語音設(shè)備在語音識別、自然語言處理等方面的核心能力。

大數(shù)據(jù)方面：大數(shù)據(jù)技術(shù)的發(fā)展為智能語音后端數(shù)據(jù)存儲提供支持。大數(shù)據(jù)技術(shù)特有的分布式存儲技術(shù)能夠?qū)我惑w量巨大的語音數(shù)據(jù)文件切分成不同模塊，使其能夠存放于多臺計(jì)算機(jī)所建構(gòu)的集群中。多臺計(jì)算機(jī)之間通過相互通信，將集群內(nèi)的存儲空間進(jìn)行資源整合、數(shù)據(jù)虛擬化，并向外提供文件訪問服務(wù)的文件系統(tǒng)。大數(shù)據(jù)技術(shù)在智能語音領(lǐng)域的應(yīng)用極大的降低了數(shù)據(jù)存儲所需的硬件成本。

（3）語言交互優(yōu)化用戶的消費(fèi)體驗(yàn)：語言交互是利用語言信息進(jìn)行交互的技術(shù)，在空間上打破了用戶與智能設(shè)備的距離限制。語音交互技術(shù)的發(fā)展幫助用戶實(shí)現(xiàn)了本能表達(dá)，解放消費(fèi)者感官的占用，優(yōu)化用戶的消費(fèi)體驗(yàn)。除改善用戶體驗(yàn)的優(yōu)勢外，語音交互還具有明顯的速度優(yōu)勢。在用戶與智能語音進(jìn)行語音交互時，語音輸入效率明顯高于文字輸入效率。自然語言處理技術(shù)的發(fā)展縮短了語音識別的處理時間，具有明顯的效率優(yōu)勢。我國智能語音行業(yè)優(yōu)勢

數(shù)據(jù)來源：公開資料整理

二、劣勢分析

（1）行業(yè)基礎(chǔ)層技術(shù)存在短板：目前，我國智能語音行業(yè)基礎(chǔ)層的核心關(guān)鍵技術(shù)積累較薄弱，算法、芯片及基礎(chǔ)元器件的原創(chuàng)科技實(shí)力與國外企業(yè)相差較大。智能語音行業(yè)基礎(chǔ)層核心技術(shù)實(shí)力欠缺，如芯片、傳感器等核心元器件，不僅影響行業(yè)原創(chuàng)科技成果的輸出，并且核心技術(shù)或生產(chǎn)環(huán)節(jié)長期依賴國外，不利于我國智能語音企業(yè)建立國際競爭優(yōu)勢。

（2）語音識別技術(shù)的“魯棒性”問題凸顯：在智能語音硬件的真實(shí)使用場景中，方言、噪音、遠(yuǎn)場、斷句等情況不可避免。語音采集地點(diǎn)變更導(dǎo)致的環(huán)境及背景噪音差異、語音信號傳輸載體方式多樣導(dǎo)致的傳輸信道差異，都將造成語音信號的頻譜畸變，導(dǎo)致智能語音系統(tǒng)對于用戶需求的準(zhǔn)確識別產(chǎn)生偏差。語音識別技術(shù)的成熟度將影響各應(yīng)用領(lǐng)域智能生態(tài)的構(gòu)建及發(fā)展，語音識別技術(shù)的“魯棒性”問題亟待解決。

（3）自然語言處理技術(shù)尚不成熟：自然語言處理（NLP）技術(shù)主要包含三個層面，分別為詞法分析、句法分析、語義分析。在語義分析層面，機(jī)器對句子的理解只能做到語義角色標(biāo)注層面，即標(biāo)出句中的句子成分和主被動關(guān)系等，詞義消歧是制約自然語言處理（NLP）技術(shù)的最大阻礙。語音識別系統(tǒng)在完成切詞、標(biāo)注詞性以及詞語識別后，需要對每個詞語進(jìn)行理解。但由于一詞多義的情況無法避免，機(jī)器無法比擬人力基于語言環(huán)境和知識儲備消除各種歧義的能力，因此基于自然語言處理技術(shù)的語音識別系統(tǒng)在實(shí)際操作情況并不理想。我國智能語音行業(yè)劣勢

數(shù)據(jù)來源：公開資料整理

三、機(jī)遇分析

（1）政策支持：近年來，我國相繼出臺多項(xiàng)政策推動包括智能語音在內(nèi)的人工智能產(chǎn)業(yè)發(fā)展。如2017年，工業(yè)和信息化部制定《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計(jì)劃（2018-2020年）》?！缎袆右?guī)劃》按照“系統(tǒng)布局、重點(diǎn)突破、協(xié)同創(chuàng)新、開放有序”的原則，為人工智能行業(yè)的發(fā)展提出了多方面的任務(wù)。我國智能語音行業(yè)相關(guān)政策頒布日期政策名稱制定部門主要內(nèi)容及影響2015年《中國制造2025》國務(wù)院加大科技創(chuàng)新力度，推動移動互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等技術(shù)在智能制造領(lǐng)域的突破2017年《新一代人工智能發(fā)展規(guī)劃》國務(wù)院以提升新一代人工智能科技創(chuàng)新能力為主攻方向，發(fā)展智能經(jīng)濟(jì)，建設(shè)智能社會，維護(hù)國家安全，構(gòu)筑知識群、技術(shù)群、產(chǎn)業(yè)群互動融合和人才、制度、文化相互支撐的生態(tài)系統(tǒng)2017年《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計(jì)劃（2018-2020年）》工業(yè)和信息化部《行動規(guī)劃》按照“系統(tǒng)布局、重點(diǎn)突破、協(xié)同創(chuàng)新、開放有序”的原則，為人工智能行業(yè)的發(fā)展提出了多方面的任務(wù)數(shù)據(jù)來源：公開資料整理

（2）智能語音行業(yè)大力發(fā)展深度集成語音AI芯片：深度集成語音AI芯片利用主要算法和芯片架構(gòu)深度集成，將芯片和語音識別算法技術(shù)組合成語音模塊，放置在設(shè)備中。用戶只需向設(shè)備發(fā)送指令，設(shè)備中的語音模塊通過麥克風(fēng)將語音導(dǎo)入設(shè)備變成電信號，語音模塊再將電信號提取出來進(jìn)行運(yùn)算，從而實(shí)現(xiàn)“人機(jī)交互”。深度集成語音AI芯片擁有較大的數(shù)據(jù)存儲空間，無需將語音語料上傳至云端進(jìn)行計(jì)算，保護(hù)信息安全性。深度集成語音AI芯片降低了設(shè)備的數(shù)據(jù)運(yùn)算量及功耗，在節(jié)約設(shè)備運(yùn)行成本的同時，提高智能語音處理速度，提升消費(fèi)者的用戶體驗(yàn)。

（3）智能語音行業(yè)構(gòu)建智能語音專利池：目前我國智能語音行業(yè)進(jìn)入快速成長期，語音技術(shù)在各下游場景的商業(yè)化應(yīng)用日益廣泛，推動智能語音產(chǎn)業(yè)分工的細(xì)化以及科學(xué)技術(shù)的密集化。落地的智能語音產(chǎn)品會涉及眾多專利技術(shù)，且分屬于不同所有者，眾多的專利請求、復(fù)雜的專利授權(quán)、以及高額的專利侵權(quán)賠償?shù)葐栴}將阻礙智能語音新技術(shù)的實(shí)踐運(yùn)用。智能語音行業(yè)建立智能語音專利池，將有效降低交易成本，消除專利實(shí)施中的授權(quán)障礙，減少企業(yè)間的專利糾紛、有利于專利技術(shù)的推廣應(yīng)用。

四、威脅分析

（1）人工智能芯片壟斷威脅：人工智能芯片作為智能語音產(chǎn)業(yè)的核心，芯片的技術(shù)成熟度將影響智能語音設(shè)備的性能。人工智能芯片行業(yè)的技術(shù)門檻較高