1月11日，由國家工業(yè)信息安全發(fā)展研究中心主辦，科大訊飛股份有限公司、國家語音及圖像識別產品質量檢驗檢測中心、國家智能語音創(chuàng)新中心協(xié)辦的中國智能語音產業(yè)發(fā)展高峰論壇暨2022年中國語音產業(yè)聯(lián)盟年會成功舉辦。

工業(yè)和信息化部信息技術發(fā)展司副司長王威偉，中國科學院院士姚建銓，國家工業(yè)信息安全發(fā)展研究中心副主任、國家語音及圖像識別產品質量檢驗檢測中心主任何小龍，聯(lián)盟理事長、科大訊飛董事長劉慶峰，科大訊飛總裁吳曉如，清華大學語音和語言技術中心主任、北京得意音通技術有限責任公司董事長鄭方，北京海天瑞聲科技股份有限公司副總經理、首席科學家郝玉峰，國家智能語音創(chuàng)新中心總經理吳江照等通過訊飛聽見云會議的形式線上參會。會議由聯(lián)盟秘書長、國家工業(yè)信息安全發(fā)展研究中心人工智能所副所長劉永東主持。

會上，中國語音產業(yè)聯(lián)盟發(fā)布《中國智能語音產業(yè)發(fā)展報告（2021-2022）》，報告指出，我國智能語音產業(yè)整體發(fā)展環(huán)境積極向好，多項關鍵技術取得突破，產業(yè)扎根不斷深入，已形成大中小企業(yè)融通創(chuàng)新、協(xié)同發(fā)展的健康生態(tài)。

工信部信息技術發(fā)展司副司長王威偉在致辭中表示，黨的二十大報告提出構建新一代信息技術、人工智能等一批新的增長引擎，智能語音產業(yè)作為新一代信息技術和人工智能產業(yè)的重要組成部分，必將迎來更大的發(fā)展機遇，在促進經濟社會發(fā)展和數字化轉型中發(fā)揮更加重要的引領和支撐作用。

市場規(guī)模高速增長，龍頭企業(yè)占據主導份額

智能語音作為智能時代人機交互的關鍵接口，各行業(yè)爆發(fā)式的場景需求驅動行業(yè)發(fā)展進入黃金期，技術突破和應用落地不斷深入。從全球范圍來看，2022年全球智能語音產業(yè)規(guī)模將達351.2億美元，保持33.1%的高速增長；從我國來看，根據德勤統(tǒng)計數據，2022年我國智能語音市場將達341億元，同比增長13.4%。

報告指出，以科大訊飛為代表的語音龍頭企業(yè)布局較廣，是行業(yè)創(chuàng)新發(fā)展的支柱，占據較大市場份額。同時，科大訊飛、百度、阿里等龍頭企業(yè)通過打造技術能力開放平臺，構建開源生態(tài)，引領行業(yè)技術創(chuàng)新和應用開發(fā)。以訊飛開放平臺為例，目前已開放545項AI產品及能力，聚集超過380.5萬開發(fā)者團隊，開發(fā)出超過159.5萬個AI應用，并從AI龍頭+開發(fā)者的“二維”生態(tài)，升級到AI龍頭+行業(yè)龍頭+開發(fā)者的“三維”生態(tài)，聯(lián)合行業(yè)龍頭搭建基線系統(tǒng)，讓更多開發(fā)者參與到數字經濟浪潮中。

關鍵技術突破，筑牢行業(yè)堅實底座

“2022年是智能語音技術突破的關鍵年”，報告指出，我國智能語音企業(yè)在多項難點技術上實現新的突破?？v向上從語音識別、合成、翻譯向計算機視覺、認知智能、運動智能領域延伸，橫向上從單點技術突破模式發(fā)展到機器認知、多模式復雜場景應用。

在語音識別方面，視聽融合的多模態(tài)交互技術成為技術演進的主要方向?？拼笥嶏w多模語音增強技術融合語音與視覺的多模感知，讓高噪音場景下的語音交互跨過實用門檻，率先在車載、會議、地鐵購票和醫(yī)療掛號等場景落地。此外，針對低資源語音識別難題，海天瑞聲和科大訊飛分別從語音數據和算法層面推動技術進步。

在語音合成方面，隨著電商直播等行業(yè)的繁榮，語音合成技術也表現出擬人化、口語化的發(fā)展趨勢?？拼笥嶏w多風格多情感語音合成系統(tǒng)SMART-TTS可提供11種強度可調的情感合成能力。而火山語音的超自然對話語音合成和META的語音對語音翻譯（speech-to-speech translation, S2ST），通過在模型訓練中添加副語言數據，讓語音交互更加自然和個性化。

要促進智能語音技術持續(xù)突破，與會專家從兩個方向提出了發(fā)展路徑。一方面，姚建銓院士指出，針對智能語音多學科交叉的學科特性，研究人員需要探索新原理、新機制、新材料、新工藝和新器件，集成創(chuàng)新推動核心技術進步；另一方面，語音技術需要進一步向深度理解延伸，科大訊飛總裁吳曉如表示：“更先進的語音交互系統(tǒng)不僅要‘能聽會說’，還要深度地去理解人的信息”，自然語言理解和知識推理技術的進步，讓機器可以在越來越多的領域幫助人類解決更專業(yè)和復雜的問題。

應用規(guī)?；涞?，加速與實體經濟融合

報告指出，受疫情和產業(yè)數字化、智能化轉型影響，智能語音應用場景迅速鋪開。據德勤統(tǒng)計數據，預計到2030年，智能語音消費級和企業(yè)級應用市場將分別超過700億和千億規(guī)模。

在消費者產品領域，AI學習機、翻譯筆等AI+學習產品幫助學生學習減負增效；智能錄音筆、智能辦公本、智能鼠標等AI+辦公產品深受職場人士歡迎；AI翻譯機、智能麥克風、智能語音鍵盤、智能耳機、智能助聽器等AI+生活產品，讓更多人享受AI科技的便利。

在汽車領域，智能語音已成人機交互關鍵環(huán)節(jié)，并從車內交互衍生車外交互，從單模交互走向多模交互，從被動交互發(fā)展為主動交互，為車企提供全棧技術賦能。以科大訊飛為代表的國內AI龍頭已占據中國語音交互車端應用行業(yè)的領先地位。

在運營商領域，智能語音技術與健康養(yǎng)老、家庭教育、家庭娛樂等場景結合，帶來更加智慧的家庭生活體驗。融合5G與機器翻譯技術的無障礙智能通信，讓普通的 5G 手機用戶，不用下載任何軟件，就可以使用實時翻譯和轉寫服務，實現跨語種的無障礙視頻通話。

在教育領域，科大訊飛全球中文學習平臺已覆蓋全球183個國家，吸引300多萬海外中文學習愛好者使用；利用智能語音和人工智能技術可實現英語聽說教、學、考、評、管一站式服務，減少無效訓練。

在醫(yī)療領域，去年疫情期間，科大訊飛電話機器人助力全國31個省112個地市疫情排查，累計服務超1.1億人次；智能外呼和智醫(yī)助理可用于獨居老人、留守兒童的日常關愛和兜底保障。

在城市領域，智能語音技術已在安徽省一體化網上政務服務平臺、聊城城市大腦、三亞市崖州灣科技城智慧產城園區(qū)、天津市AI銀發(fā)智能服務平臺等創(chuàng)新示范項目中應用。姚建銓院士指出，智能語音與建設智慧城市的要求完全吻合，可以實現各種語音高效轉換和智能處理，為智慧城市進一步建設帶來新的機遇。

在工業(yè)領域，我國打造了包括國家智能語音創(chuàng)新中心在內的一批語音技術創(chuàng)新“國家隊”， 開展工業(yè)聲學、多語種、AI語音芯片等關鍵共性技術研究工作?？拼笥嶏w聯(lián)合國家智能語音創(chuàng)新中心打造的工業(yè)聽診器、聲學成像儀、工業(yè)設備衛(wèi)士、智能巡檢機器人等“工業(yè)六感”產品，已廣泛應用到生產、質檢、巡檢等多個工業(yè)環(huán)節(jié)。

在金融領域，聲紋識別技術已經被應用在各類身份認證環(huán)節(jié)。得意音通董事長鄭方表示，聲紋是目前除DNA外,最可靠的身份認證方式，相比傳統(tǒng)方法具有明顯優(yōu)勢。此外，科大訊飛智能客服機器人、智能聯(lián)絡中心AICC等AI+金融應用，幫助金融機構提升客服和運營效率。

展望智能語音產業(yè)未來發(fā)展，報告認為，后競爭時代亟需關注新增的不確定性因素，包括核心關鍵技術能力仍需提升，開源生態(tài)培育仍需加大投入，重點應用場景落地仍需提速，傳統(tǒng)行業(yè)開放場景動能不足等。