從智能語音技術(shù)的發(fā)展歷程來看,應(yīng)用的技術(shù)推動力主要是語音技術(shù)核心算法和計算機芯片技術(shù)。二十世紀(jì)末,建立在統(tǒng)計建模和機器學(xué)習(xí)理念基礎(chǔ)上的語音技術(shù)核心算法逐步成熟,基于HMM(隱馬爾可夫模型)的語音合成及識別技術(shù)在實用中占據(jù)了主導(dǎo)地位。計算機芯片技術(shù)則遵照摩爾定律,每18個月性能提升1倍,芯片運算能力的持續(xù)增長使得更為復(fù)雜的語音技術(shù)算法不斷得以實現(xiàn)。嵌入式芯片技術(shù)特別是SOC技術(shù)的發(fā)展及芯片成本的下降,有力推動了智能語音技術(shù)在移動設(shè)備中的應(yīng)用。
語音合成技術(shù):成熟度較高,應(yīng)用廣泛。語音合成技術(shù)的研究起步于上世紀(jì)三十年代,到二十世紀(jì)末統(tǒng)計建模方法開始引入到語音合成技術(shù)中,從而提出了可訓(xùn)練的語音合成方法�；贖MM模型的合成技術(shù)和大語料庫波形拼接技術(shù)是目前主流的語音合成方法。語音合成技術(shù)在2000年時已達到用戶基本可接受的準(zhǔn)實用水平,2005年開始獲得了較為廣泛的應(yīng)用。未來語音合成技術(shù)將從清晰度和自然度的要求上升至對個性化合成的要求,如對語音、語調(diào)、情緒的豐富性要求等。
語音識別技術(shù):技術(shù)難度高,潛在需求較大。語音識別技術(shù)主要包括語意識別和聲紋識別,對語音識別的研究起步于二十世紀(jì)五十年代,從二十世紀(jì)末開始進入實際應(yīng)用。語音識別在技術(shù)原理上主要采取匹配識別和檢測識別兩種識別方式,關(guān)鍵技術(shù)包括選擇識別單元、特征參數(shù)提取、聲學(xué)模型及語言模型的建立等。語音識別技術(shù)目前在桌面系統(tǒng)、移動設(shè)備和嵌入式領(lǐng)域均有一定程度的應(yīng)用,未來的發(fā)展方向應(yīng)是無限詞匯量連續(xù)語句非特定人語音識別系統(tǒng)。
四大細分市場面臨突破。綜合考慮目前的技術(shù)能力和客戶接受度,我們認(rèn)為企業(yè)級市場、車載語音市場、移動終端市場及教育娛樂市場有望在未來率先實現(xiàn)突破。我們預(yù)計國內(nèi)呼叫中心語音市場有望于未來兩年內(nèi)啟動,市場規(guī)模在其后有快速增長至億元量級的可能;車載語音識別系統(tǒng)市場出現(xiàn)快速增長,市場規(guī)模有望從2009年的6430萬美元提升至2014年的2.1億美元,年均復(fù)合增長率約為26.7%;而移動終端語音市場和教育娛樂語音市場均有較大發(fā)展?jié)摿Α?br /> 高技術(shù)壁壘形成寡頭壟斷競爭格局。智能語音技術(shù)是人工智能的研究領(lǐng)域之一,其技術(shù)原理涉及聲學(xué)、語言學(xué)、數(shù)字信號處理、計算機科學(xué)等多個學(xué)科,同時智能語音技術(shù)的研究周期長、投入大,使得智能語音行業(yè)具有較高的進入壁壘。在全球范圍內(nèi),目前已形成寡頭壟斷競爭格局,僅有Nuance、IBM、微軟、Googe、科大訊飛等少數(shù)廠商具備較強競爭力。
海通證券
