云知聲是伴隨著阿里巴巴、樂視的“互聯(lián)網(wǎng)汽車”概念而逐漸浮出水面的。這家成立僅2年多的創(chuàng)業(yè)公司，是隱藏在阿里Yun OS車載操作系統(tǒng)和樂視LeUI Auto背后的語音技術(shù)提供商，在樂視造車之后，我們將“互聯(lián)網(wǎng)造車”的系列報(bào)道定格在一家近幾年崛起最快的語音識(shí)別公司——云之聲。

　　少女聽到他的話，貓咪噠噠的跑過雪地，老人曬著暖呼吸吐納……常規(guī)之下，這些賦上心意的聲音，與你所聽到的表達(dá)，一起被稱作“溝通”。

　　而在現(xiàn)如今的商業(yè)世界，如常的言語往來不止是感性的細(xì)膩，它為商業(yè)拓展出更多邏輯的種類，也嘗試鏈接不同的交互載體。

　　云知聲就是這樣一家公司，它穿著隱身衣，住在你能想到的軟、硬件載體中，以聲音為介質(zhì)，以命令為輸出，將一個(gè)個(gè)抽象的韻母、聲母拆解，合成為一條條具體的動(dòng)作指示。

　　云知聲是伴隨著阿里巴巴、樂視的“互聯(lián)網(wǎng)汽車”概念而逐漸浮出水面的。這家成立僅2年多的創(chuàng)業(yè)公司，是隱藏在阿里Yun OS車載操作系統(tǒng)和樂視LeUI Auto背后的語音技術(shù)提供商，在2013年獲得啟明創(chuàng)投的1 億元A 輪融資之后，又在2014年年底獲得摯信等5000萬美元B輪融資，刷新了語音行業(yè)融資紀(jì)錄，成為近幾年崛起速度最快的語音識(shí)別公司。

　　云知聲的倒推邏輯

　　相比于阿里、聯(lián)想、英特爾、中興、樂視、通用汽車、小米、錘子等客戶，云知聲像是一個(gè)靜默的解語者，這種“躲”在背后的靜默恰好應(yīng)了云知聲的產(chǎn)品特點(diǎn)：雖然技術(shù)加載，卻因?yàn)橹皇禽斎胼敵鲚d體，所以無法具象地被用戶感知。甚至在業(yè)已實(shí)現(xiàn)可能的案例中，被無意識(shí)地忽略。

　　把這樣的忽略放至大環(huán)境下的整體路徑，同樣能找到痕跡。語音交互經(jīng)歷過寒冬，從系統(tǒng)穩(wěn)定性、響應(yīng)速度、語音識(shí)別效率等維度判斷，語音交互行為本身所帶來的交互體驗(yàn)并不能引起足夠多的正向討論。即使是蘋果Siri，也并沒有如想象中那樣普及開來。

　　云知聲CEO黃偉是國(guó)內(nèi)最早從事語音識(shí)別技術(shù)的少壯派代表，曾任職于Motorola中國(guó)研究中心和世界最大的語音公司Nuance，并開發(fā)出世界第一款手機(jī)聲紋認(rèn)證系統(tǒng)，加盟盛大后一手創(chuàng)建了語音分院。在十余年的語音從業(yè)經(jīng)驗(yàn)中，他認(rèn)為Siri對(duì)他的第一個(gè)啟示是用一個(gè)有限的人工智能去解決非常開放的需求是一個(gè)偽命題。如果把Siri定位為語音助理，用戶就會(huì)覺得應(yīng)該什么都懂，但人的需求是千變?nèi)f化的，一旦做不到就會(huì)失去用戶。

　　第二個(gè)啟示是語音技術(shù)必須搭載服務(wù)。人們使用語音的最終需求是機(jī)器完成整個(gè)操作，比如說導(dǎo)航，不僅是聽懂目的地，還需要完成路徑規(guī)劃，如果目的地是一個(gè)餐館，甚至可以實(shí)現(xiàn)在線下單。這考驗(yàn)的是資源整合能力。

　　“從技術(shù)和需求兩個(gè)角度，我們認(rèn)為理想的方式是什么？不要大而全，而是垂直領(lǐng)域切入。”這也成為云知聲與擅長(zhǎng)TTS的科大訊飛，以及擅長(zhǎng)多國(guó)語言識(shí)別的Nuance等傳統(tǒng)語音巨頭競(jìng)爭(zhēng)的差異所在。

　　2011年，騰訊推出即時(shí)通訊服務(wù)的免費(fèi)應(yīng)用程序——微信。智能手機(jī)作為第一波普及的硬件載體，徹底打破人們對(duì)溝通場(chǎng)景、對(duì)象、方式的固有模式，用戶需求的移動(dòng)性、細(xì)分化也催生著語音的場(chǎng)景垂直。智能家居、車載、可穿戴設(shè)備、在線教育、智能客服等，每一個(gè)領(lǐng)域都可以延伸出語音的被需要。怎樣在新興領(lǐng)域開辟語音入口？怎樣判斷需求的真?zhèn)�、做定制化差異？怎樣讓人們變得更懶卻也更互動(dòng)？

　　如果說老東家Nuance的工作經(jīng)歷是告訴黃偉如何用一套普適性強(qiáng)的引擎體系適應(yīng)全球化的產(chǎn)品占領(lǐng)，那么云知聲想要做的是一個(gè)倒推邏輯：根據(jù)不同的載體形式，定制需求、深度開發(fā)。2012年，云知聲成立僅三個(gè)月后就推出了面向開發(fā)者的免費(fèi)語音云平臺(tái)。這是一個(gè)完全逆著來的形式，相比語音界同行，黃偉認(rèn)為：“2012年，用戶根本沒有習(xí)慣用語音。這說明你自身價(jià)值還遠(yuǎn)未形成，如果這個(gè)時(shí)候著急收費(fèi)，無異于是扼殺行業(yè)。”

　　可是，估計(jì)很少人知道，2011年底辭職后就開始籌備項(xiàng)目的黃偉，帶著十幾人的研發(fā)團(tuán)隊(duì)自負(fù)盈虧，到6月份天使輪融資進(jìn)來之前，半年內(nèi)幾乎花光了積蓄，甚至要靠透支信用卡來發(fā)工資。黃偉第一次感覺到了難。“我不能多想，團(tuán)隊(duì)的每一個(gè)人都不能多想，但凡任何一個(gè)人有后顧之憂，這事就成不了。”

　　技術(shù)創(chuàng)業(yè)的特殊就在這，如果沒有產(chǎn)品，何談融資。黃偉聊到一個(gè)細(xì)節(jié)，天使輪融資在團(tuán)隊(duì)幾乎斷糧的關(guān)鍵節(jié)點(diǎn)進(jìn)來，“我們不是等錢到了再做事，而是盡快抓住時(shí)間窗口一直往前走。投資人看什么？他會(huì)翻看我這大半年的代碼有沒有增加，我有沒有干。”

　　一位土博士的產(chǎn)品地圖

　　說回到云知聲逐漸鋪設(shè)的產(chǎn)品地圖，這群自稱為“土博士”的創(chuàng)業(yè)團(tuán)隊(duì)，產(chǎn)品理念不再是單一依靠

　　技術(shù)的強(qiáng)勢(shì)打法。用黃偉的話來說，語音交互的整個(gè)體系包含“語音識(shí)別、語義理解、服務(wù)調(diào)用”三大板塊，如果沒有識(shí)別單元就不知道用戶說了什么，沒有理解就不知道用戶的意圖，而這兩者只是完成了人跟設(shè)備的一個(gè)翻譯。“用戶跟設(shè)備交互的目的是什么？不是為了炫酷，而是我說的話希望得到后面的服務(wù)，否則只是一個(gè)輸入法。”

　　從這個(gè)角度入手，黃偉從云知聲的主動(dòng)可控層面給出三個(gè)評(píng)判維度：中文連續(xù)語音的準(zhǔn)確識(shí)別率，云知聲做到開放性、全國(guó)語量基礎(chǔ)上97%的識(shí)別率；識(shí)別引擎的迅速，做到同行的3-5倍的速率比；語音開放平臺(tái)的穩(wěn)定，第一版自2012年9月份推出以來，穩(wěn)定服務(wù)。

　　延展出的三大主要業(yè)務(wù)內(nèi)容是：以“云、端、芯”為關(guān)鍵字在移動(dòng)應(yīng)用、智能硬件等不同領(lǐng)域切入。云知聲開放平臺(tái)為開發(fā)者提供語音接口；云知聲UniWear是面向可穿戴設(shè)備的ROM，旨在降低開發(fā)門檻，提供一套完整的軟硬件開發(fā)方案；語音交互芯片意在智能家居平臺(tái)，控制家居自動(dòng)化設(shè)備的入口。

　　而車載可以看作一個(gè)功能非常豐富的智能移動(dòng)設(shè)備，也是云知聲下一個(gè)重點(diǎn)發(fā)力的領(lǐng)域之一。語音、觸屏、按鈕、體感，交互形式多樣且互相配合，而語音作為最自然、最日常的途徑，成為人與載體間的密碼。但語音產(chǎn)品在車內(nèi)的市場(chǎng)表現(xiàn)和受眾認(rèn)可似乎躊躇不前，語音作為產(chǎn)品接口，與用戶之間隔著一個(gè)載體，這也就意味著軟、硬件載體的工藝水準(zhǔn)、成本考慮、搭載適配等直接且深度影響著語音交互的效果。

　　以用戶在車內(nèi)最常用的導(dǎo)航和娛樂功能為例，最新推出的云知聲開放平臺(tái)2.0，除了識(shí)別、理解、合成等基本能力，還針對(duì)如車載這樣的垂直領(lǐng)域做了特別的優(yōu)化方案，方便用戶低成本接入，并提供軟硬結(jié)合的整套解決方案。黃偉覺得語音識(shí)別從實(shí)驗(yàn)室階段到了商業(yè)化的臨界點(diǎn)，但依然還需要解決很多問題，比如說抗噪性，噪音的干擾，這些都是需要在學(xué)術(shù)界、工業(yè)界不斷解決的。但語音在車載領(lǐng)域的應(yīng)用前景是勿庸置疑的，相關(guān)產(chǎn)品的出貨量增長(zhǎng)也非�？�。

　　不過這應(yīng)用上的困境也讓團(tuán)隊(duì)越來越思考一個(gè)問題，僅僅做面向B端的用戶群，無法直達(dá)消費(fèi)者，必然存在語音效用的折衷。為什么不自己做一個(gè)面向C端用戶的語音類助手呢？

　　“2015年我們會(huì)開始推廣自有APP，從小點(diǎn)切入大眾化的需求。”黃偉提到一個(gè)觀點(diǎn)，以語音輸入做移動(dòng)搜索引擎，牽涉到太多對(duì)后臺(tái)資源的調(diào)用、整合，不太適合創(chuàng)業(yè)公司。云知聲要做的，是通過語音對(duì)個(gè)人設(shè)備、個(gè)人內(nèi)容、生活方式等進(jìn)行助手式管理。

　　另一個(gè)挑戰(zhàn)黃偉的事來自內(nèi)部，純技術(shù)出身，從中科院、科大研究室走出來的團(tuán)隊(duì)，如何調(diào)整節(jié)奏、適應(yīng)商業(yè)化轉(zhuǎn)型的管理、營(yíng)收需要，成為2015年必須要搞定落地的事兒。

　　一枝獨(dú)秀不成春，“硬件運(yùn)算能力、數(shù)據(jù)積累處理、技術(shù)的推算衍進(jìn)，有這三個(gè)要素做依托，我相信未來人工設(shè)備的交互一定可以實(shí)現(xiàn)，不再是簡(jiǎn)單的命令控制，不再是冷冰冰的存在。”在提到大環(huán)境下語音交互的未來，黃偉語氣篤定地用了一連串的“一定”。

　　黃偉的自信還在于，經(jīng)過十幾年的發(fā)展，雖然語音技術(shù)在學(xué)術(shù)層面上仍然是美國(guó)領(lǐng)先，但在應(yīng)用層面上中國(guó)已經(jīng)不遜于美國(guó)。中國(guó)人參加幾次語音領(lǐng)域的國(guó)際評(píng)測(cè)，與斯坦福、MIT、劍橋、Nuance、IBM、微軟、谷歌等同臺(tái)對(duì)壘，已經(jīng)連續(xù)六年三屆蟬聯(lián)第一。

　　我們追問了一句：“有沒有為什么事情焦慮？”黃偉沒有停頓，“我最近就很焦慮，你想做的事情和你現(xiàn)階段所掌握的資源和能力之間有一個(gè)距離。你明明看到機(jī)會(huì)了，做的卻沒有那么快。這種焦慮感是如果我再快一點(diǎn)會(huì)怎么樣？”

　　可他心知肚明，現(xiàn)階段的云知聲之所以能夠春江水暖，正是因?yàn)樗麄儚牟幻斑M(jìn)地模仿?lián)焓�、從不抱殘守缺地走到黑，也從不沒學(xué)會(huì)爬先想跑。