國內(nèi)最值得關(guān)注的10家人工智能語音識別公司

在談人工智能的時(shí)候，一定不能不談語音識別，語音識別是人機(jī)交互的入口，是指機(jī)器/程序接收、解釋聲音，或理解和執(zhí)行口頭命令的能力。目前國內(nèi)外都有公司在語音領(lǐng)域有所投入，其中包括才成立幾年的初創(chuàng)企業(yè)，也包括中途入局的巨頭企業(yè)，電子發(fā)燒友梳理了國內(nèi)10家在語音領(lǐng)域影響較大的企業(yè)如下，排名不分先后，如有任何紕漏，歡迎留言指正。

科大訊飛

成立于1999年，具有語音合成、語音識別、口語評測、語言翻譯、聲紋識別、人臉識別、自然語言處理等智能語音與人工智能核心技術(shù)。

主要產(chǎn)品介紹：

訊飛輸入法，支持語音輸入；

咪咕靈犀，中國移動(dòng)和科大訊飛聯(lián)合推出的智能語音助手，支持粵語，既能語音打電話、發(fā)短信、查天氣、搜航班，還能查話費(fèi)、查流量、買彩票、訂彩鈴等；

發(fā)條，一款基于科大訊飛AIUI智能引擎，通過語音交互，迅速定位用戶想要內(nèi)容的AI音樂助手；

訊飛電視助手，可以語音播放、換臺；

思必馳

成立于2007年，一家專注于智能硬件領(lǐng)域的語音公司，主要面向智能硬件三個(gè)垂直領(lǐng)域：智能車載、智能家居和智能機(jī)器人，提供自然語言交互解決方案。2018年6月26日，宣布完成D輪5億元融資。

主要產(chǎn)品介紹：

對話操作系統(tǒng)AIOS系統(tǒng)（AISpeechOperatingSystem思必馳人工智能操作系統(tǒng)）——運(yùn)行于Android、Linux、阿里云OS等主流操作系統(tǒng)之上，目前主要用于車載領(lǐng)域（AIOSForCar）和家居領(lǐng)域（AIOSForHome）；

軟硬一體化的芯片模組，它提供聲源定位、個(gè)性喚醒、語音識別、語義理解、多輪對話等功能，主要用于家居和機(jī)器人領(lǐng)域。

云知聲

成立于2012年6月29日，一家智能語音識別AI技術(shù)企業(yè)，專注于物聯(lián)網(wǎng)人工智能服務(wù)。2018年7月，云知聲宣布已完成6億元人民幣C+輪融資，至此，云知聲C輪系列融資總金額已達(dá)13億元人民幣。

主要產(chǎn)品介紹：

面向物聯(lián)網(wǎng)的AI芯片UniOne，這是一款擁有自主知識產(chǎn)權(quán)和語音解決方案的物聯(lián)網(wǎng)AI芯片，也是面向AIoT（AI+IoT）的AI芯片；

基于該款芯片的智慧家居和智能音箱方案，該方案可以幫助客戶完成語音項(xiàng)目開發(fā)，加速客戶AI產(chǎn)品落地，同時(shí)為客戶定制AI語音模塊，快速量產(chǎn)。

出門問問

成立于2012年，一家以語音交互和軟硬結(jié)合為核心的人工智能公司，擁有自主研發(fā)的語音交互、智能推薦、計(jì)算機(jī)視覺及機(jī)器人SLAM技術(shù)。至2017年4月，出門問問共完成六輪融資，累計(jì)融資額超過2.55億美元。

主要產(chǎn)品介紹：

硬件產(chǎn)品包括：TicWatch系列、TicPods系列、TicKasa系列、TicBand、TicMirror、TicWear等，所有硬件都圍繞”出門問問”這款應(yīng)用，它既是一款語音助手App也是連接所有硬件的核心。

聲智科技

成立于2016年，一家專注聲學(xué)前沿技術(shù)和人工智能交互的科技創(chuàng)新公司，提供從端到云的智能語音交互技術(shù)和服務(wù)方案，以及從芯片、模組、開發(fā)板到白牌產(chǎn)品的智能語音應(yīng)用方案。

主要產(chǎn)品介紹：

SoundAIAzero，一款集成聲波配網(wǎng)、波束形成、聲源測向、噪聲抑制、混響消除、回聲消除、語音喚醒、端點(diǎn)檢測、語音識別、聲紋識別、語義理解、語音合成、雙工通話等全鏈條智能語音交互開發(fā)系統(tǒng)，兼容主流智能語音芯片和硬件架構(gòu)，支持DuerOS、AliGenies、小愛平臺、騰訊叮當(dāng)、Alexa等AI內(nèi)容平臺；

SoundAI麥克風(fēng)陣列芯片，支持USB的低功耗麥克風(fēng)陣列芯片SAI101C；

SoundAI麥克風(fēng)陣列模組，基于聲智科技麥克風(fēng)陣列核心技術(shù)的軟硬一體化方案，實(shí)現(xiàn)全方向喚醒、聲源測向、定向拾音、噪聲抑制、混響消除、回聲抵消、語音識別、語義理解、聲紋識別、語音合成等功能，滿足用戶在語音交互領(lǐng)域的全方位需求。

捷通華聲

成立于2000年10月，是一家專注于智能語音、智能圖像、生物特征識別、智能語義等全方位人工智能技術(shù)研究與應(yīng)用，全面發(fā)展人工智能云服務(wù)的高新技術(shù)企業(yè)。

主要產(chǎn)品介紹：

靈云開放平臺，合作伙伴可根據(jù)行業(yè)用戶實(shí)際應(yīng)用場景，靈活挑選、組合應(yīng)用多項(xiàng)項(xiàng)人工智能技術(shù)，嵌入到系統(tǒng)集成商的平臺中，可為各個(gè)行業(yè)的企業(yè)辦公自動(dòng)化提供各種人工智能能力，實(shí)現(xiàn)智能化應(yīng)用。

語音合成，應(yīng)用靈云提供的TTS技術(shù)，實(shí)時(shí)、準(zhǔn)確地將文本轉(zhuǎn)換為自然、流暢、清晰的語音；

語音識別，應(yīng)用靈云提供的ASR技術(shù)，具備高識別準(zhǔn)確率、高識別速度、領(lǐng)域模型可定制、支持多種處理模式等功能，同時(shí)具有SDK開發(fā)簡單、開發(fā)包資源占用小等優(yōu)勢。

聲紋識別，應(yīng)用靈云提供的VPR技術(shù)，通過對說話者語音和數(shù)據(jù)庫中登記的聲紋做比較，從而確定該說話人是否為本人，文成對用戶進(jìn)行身份校驗(yàn)和鑒別。

智能語音導(dǎo)航，基于靈云平臺應(yīng)用靈云語音識別（ASR）、語音合成（TTS）、語義理解（NLU）等技術(shù)，允許電話呼入的客戶以開放的方式表述業(yè)務(wù)需求，系統(tǒng)將用戶的語音轉(zhuǎn)化為文本。

智能語音質(zhì)檢，基于靈云平臺應(yīng)用靈云語音識別（ASR）技術(shù)，將海量錄音數(shù)據(jù)進(jìn)行智能化的自動(dòng)語音轉(zhuǎn)文本、關(guān)鍵詞檢出、語速分析、靜音分析、情緒檢測等核心技術(shù)產(chǎn)品，可大大提高企業(yè)質(zhì)檢效率、解決人工質(zhì)檢局限性、提升服務(wù)質(zhì)量與管理水平、降低企業(yè)運(yùn)營成本，輔助業(yè)務(wù)經(jīng)營決策。

SpeakIn

成立于2015年，一家全球領(lǐng)先的聲紋識別與身份安全人工智能公司，2018年5月SpeakIn及其全資子公司國音科技宣布完成近近億元人民幣融資，本輪融資由IDG資本領(lǐng)投。

主要產(chǎn)品介紹：

SpeakIn核心算法，使用目前學(xué)術(shù)界最前沿、基于深度學(xué)習(xí)聲紋識別技術(shù)，使用大數(shù)據(jù)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)（DNN）能夠提取出更準(zhǔn)確的說話人特征，擁有多種聲紋識別的前端音頻信號處理算法，極大的提高了準(zhǔn)確度和魯棒性，確保聲紋提取和驗(yàn)證的速度，并適應(yīng)多種不同場景與應(yīng)用的需求。

SpeakIn核心技術(shù)，包括活體檢測技術(shù)、情緒識別、人聲分離、性別識別、聲紋大數(shù)據(jù)檢索與比對、云平臺技術(shù)、動(dòng)態(tài)聲紋數(shù)據(jù)庫技術(shù)、自研聲紋采集專用硬件、前瞻性研究等。

百度

主要產(chǎn)品介紹：

語音識別，通過場景識別優(yōu)化，為車載導(dǎo)航，智能家居和社交聊天等行業(yè)提供語音解決方案；

長語音識別，在會議、教學(xué)或者媒體采訪中，長語音識別服務(wù)可快速準(zhǔn)確的將長時(shí)間的語音轉(zhuǎn)化為文字，方便進(jìn)行拷貝和編輯等后續(xù)的工作；

遠(yuǎn)場語音識別，通過麥克風(fēng)陣列前端處理算法，有效消除噪音，同時(shí)對目標(biāo)說話人聲音進(jìn)行增強(qiáng)，使得智能家居、智能硬件、機(jī)器人語音交互等場景下的遠(yuǎn)場語音也可準(zhǔn)確識別；

呼叫中心實(shí)時(shí)語音識別，通過MRCP或TCP協(xié)議進(jìn)行低成本對接，將語音訊號轉(zhuǎn)化為文本流實(shí)時(shí)輸出。應(yīng)用于智能客服，外呼機(jī)器人，實(shí)時(shí)電話質(zhì)檢，電銷輔助機(jī)器人等場景；

呼叫中心音頻文件轉(zhuǎn)寫，可將電銷業(yè)務(wù)、客服業(yè)務(wù)、質(zhì)檢業(yè)務(wù)等多場景的語音精準(zhǔn)地轉(zhuǎn)為文字。

騰訊

語音識別，依托騰訊的語音技術(shù)，為開發(fā)者提供全面優(yōu)質(zhì)的語音轉(zhuǎn)文字功能。

長語音識別，依托騰訊的語音技術(shù)，為開發(fā)者提供全面優(yōu)質(zhì)的近場長段語音轉(zhuǎn)文字功能，目前支持漢語普通話，并涵蓋南北地域重口音。

關(guān)鍵詞檢索依托微信AI的語音技術(shù)，在給定關(guān)鍵詞文本列表的前提下，在音頻中精準(zhǔn)定位出現(xiàn)了哪個(gè)或哪幾個(gè)關(guān)鍵詞、具體時(shí)間起止點(diǎn)以及置信度，比語音識別更高效。

語音合成，依托騰訊領(lǐng)先的語音技術(shù)和深度學(xué)習(xí)算法，為開發(fā)者提供全面優(yōu)質(zhì)的文字轉(zhuǎn)語音服務(wù)。

小米

小愛同學(xué)語音服務(wù)基于小米聲學(xué)實(shí)驗(yàn)室、大數(shù)據(jù)及全生態(tài)建設(shè)，涵蓋語音、NLP、搜索推薦等技術(shù)，為開發(fā)者提供高效、便捷、智能的語音服務(wù)。小愛同學(xué)語音服務(wù)涵蓋影音視聽，實(shí)用工具，生活，知識教育，游戲趣玩，休閑娛樂，兒童等近百款自研精品技能及上千款第三方技能，且支持語音控制所有小米IoT設(shè)備。

總結(jié)

語音識別的最終目的是能夠真正的理解人類語言甚至是方言，過去幾年，人們在人工智能領(lǐng)域和深度學(xué)習(xí)領(lǐng)域的突破，讓語音識別取得了很大的進(jìn)步，然而在方言識別方面，還極少公司取得比較矚目的成績，語言理解本身就是一個(gè)復(fù)雜的領(lǐng)域，期待未來能夠有更多突破。

更多精彩閱讀：

語音識別的兩個(gè)方法_語音識別的應(yīng)用有哪些

語音識別的優(yōu)缺點(diǎn)_語音識別功能介紹

語音識別算法有哪些_語音識別特征提取方法

怎么實(shí)現(xiàn)語音識別_手機(jī)語音識別怎么設(shè)置

語音識別設(shè)置能刪除嗎_語音識別系統(tǒng)工作流程