智能语音丨研究报告
核心摘要：
智能语音产业发展：近年来，智能语音技术与互联网、企业服务、消费硬件、传媒、医疗健康等各行业的深度融合带来了新的用户需求增长和商业模式创新，创造产业经济价值、繁荣产业生态，算法模型、优质数据集与多样化应用场景助力产业规模走高。部分智能语音产品如语音助手、语音转写、智能客服等取得产品价值突破或商业上的显著成就，语音识别相关产品多已进入稳步上升期。但在细分产品的交互体验、使用效果、场景优化等方面仍面临长期求索。人们面对“AI”时希望得到的自然、类人、甚至高信息密度的交互体验，仍然是一个宏伟的开放性课题。
智能语音转写产品：语音识别产品早期主要是语音听写，即用户说一句、机器识别一句；后来发展成语音转写，更聚焦于人人交流场景。智能语音转写是可以支持长音视频的语音转文字服务，附加产品服务、多语种翻译、内容分析等智能化功能，满足用户在会议、庭审、采访、直播、视频制作、客服质检等场景中的实时与非实时语音转写需求。随着语音识别准确性及效率的提升、多语种与方言转写服务丰富，以及上下文纠正、标点过滤、自定义热词配置、声纹角色分离、语音内容分析提取等功能的逐步优化，智能语音转写服务的商业化落地与多场景复用持续推进，成为语音识别产品的“排头兵”。
智能语音转写市场：在人力成本、协同办公、传媒音视频、会展交流、跨国沟通等多重因素驱动下，中国智能转写市场不断注入需求活力，年中国智能语音转写市场规模已约为10亿元。未来，随着智能转写的技术突破、功能丰富及场景泛化，智能转写市场规模将加速上扬，预计年市场规模将达到38亿。从产品形态来看，智能转写产品主要包括SaaS类产品与本地化部署解决方案两大类。其中，SaaS市场头部聚集效应显著，讯飞听见与搜狗听写位列第一梯队，讯飞听见在转写准确率尤其是小语种和方言等、产品丰富度、品牌影响力和发展潜力维度拔得头筹。未来，SaaS形式API调用与垂类解决方案将形成合力，构成智能语音转写产业既快且稳的增长飞轮，高生态活性加硬解决方案实力的企业将更能突出重围，抢占更多增量市场。
智能语音转写趋势洞察：从技术趋势来看，语音识别技术的精度和速度仍取决于实际应用环境，面对“混合语种”“嘈杂环境”下的“多人”“交互”“重叠”等多重因素交织的复杂语音场景，语音转写技术应用仍有待突破；从场景价值来看，如今智能转写应用领域大多仅服务于从语音到文字转写内容的实现，未来转写应用可结合自然语言理解、机器学习、知识图谱等AI技术，拓展转写产品的场景边界，深入挖掘转写内容价值，以更高阶、智能的辅助替代角色，为客户提供问题预警、策略总结、决策分析等功能服务；从厂商策略来看，各家将以构建自身产品生态，加强外部场景合作为策略核心，基于自身企业特点选择差异化侧重，共同推进转写技术的应用渗透与市场发展。
智能语音产业的宏观背景
数字信息输入输出的重要载体，人工智能产业落地“先锋军”
智能语音技术指通过声音信号的前端处理、语音识别（ASR）、自然语言处理（NLP）、语音合成（TTS）等技术形成完整的人机语音交互流程，是实现人与机器交流的纽带，也是数字信息输入与输出的重要载体。近年来，智能语音技术与互联网、企业服务、消费硬件、传媒、医疗健康等各行业的深度融合带来了新的用户需求增长和商业模式创新，创造产业经济价值、繁荣产业生态。智能语音产业的迅速发展促进了我国数字经济发展、提高了社会治理的智能化水平、推动了我国人工智能技术创新的战略突破。作为人工智能产业落地的“先锋军”，智能语音产业得到了国家和地方政策的有力支持，且随着参与者不断进入智能语音赛道，“百舸争流，千帆竞发”，产业技术水平和产品竞争力不断提高。
智能语音产业的产品成熟度
语音识别相关产品多已进入稳步上升期
人类对机器语音识别的探索始于20世纪50年代，迄今已逾70年。年，在深度神经网络的帮助下，机器语音识别准确率第一次达到人类水平，意味着智能语音技术落地期到来。后随着近场语音识别准确率提升、远场语音识别和唤醒发展、全双工语音交互出现、基于NLP的对话和问答能力逐渐成熟、知识图谱技术助力对话引擎以及针对实际应用中的算法优化，智能语音技术的落地可用性不断突破。但其背后涉及的声学研究、模式识别研究、通用NLP研究及垂直场景的深度语义理解等还未成熟到拼成一个没有明显短板的“木桶”。因此尽管部分智能语音产品如语音助手、语音转写、智能客服等已取得了产品价值突破或商业上的显著成就，但在细分产品的交互体验、使用效果、场景优化等方面仍面临长期求索。人们面对“AI”时希望得到的自然、类人、甚至高信息密度的交互体验，仍然是一个宏伟的开放性课题。
智能语音转写的定义与分类
语音识别产品的重要输出形态，分为实时与非实时语音转写
语音识别产品早期主要是语音听写，即用户说一句、机器识别一句；后来发展成语音转写，更聚焦于人人交流场景。智能语音转写是可以支持长音视频的语音转文字服务，分为实时语音转写与非实时语音转写，可为信息处理和数据挖掘提供基础。适用于线上线下会议记录转写、影视字幕制作、媒体新闻工作、会议翻译等多个应用情境。作为数字化劳动力，解决刚需问题，有效提高办公效率。随着语音识别准确性及效率的提升、多语种与方言转写服务丰富，以及上下文纠正、标点过滤、语气词过滤、自定义热词配置、声纹角色分离、语音内容分析提取等智能化服务功能的逐步优化，智能语音转写服务的商业化落地与多场景复用持续推进，成为语音识别产品的“排头兵”。
智能语音转写的需求场景
以转写功能为基础，满足细分场景需求，构成丰富产品形态
自从以远场语音技术落地为代表的智能音箱产品规模化应用、深度神经网络下的声学模型研发创新进入平稳发展期后，语音识别赛道的产业竞争已经从标准环境下的算法研发比拼，过渡到了在真实细分需求场景下如何满足用户体验的竞争。智能语音转写产品也遵循这一赛道特征，以语音转文字功能为基础，附加产品服务、多语种翻译、内容分析等智能化服务功能，满足用户在会议、庭审、采访、直播、视频制作、客服质检等场景中的实时与非实时语音转写需求。智能语音转写产品具备丰富的产品形态，可应用于娱乐传媒、在线教育、会议会展、同传等多行业领域，帮助提升企事业单位办公人群、学生、自媒体从业人员、翻译专业人士等各类群体的工作效率。
智能语音转写的价值意义
存量助力人工转写市场，增量释放更多潜在场景需求
传统人力转写市场依赖经验丰富的速录师与人工转写团队，成本相对高昂，而随着智能语音转写产品的规模化落地应用，该类存量市场可借助智能转写产品，实现对人工转写的有效辅助及优化，为下游客户提供更高质效的人机耦合服务；此外，转写应用仍有更大规模的潜在市场需求待挖掘，原受限于渠道、价格等因素，转写产品多应用于有垂类转写需求的小众应用领域，而智能语音转写产品逐步让转写应用实现泛化，市场边界也将逐步扩散，未来智能语音转写产品有望开发更多潜在增量市场，撬动可用智能转写产品满足的长尾需求，进一步优化用户的应用体验。
智能语音转写产业图谱
智能语音转写的发展驱力
智能语音转写可化解人工成本走高与质量要求提升的发展矛盾
近十年来，中国人口增势放缓，劳动人口红利见顶，供应结构性短缺致使企业人力用工成本不断攀升。根据国家统计局数据，年中国租赁和商务服务业城镇单位就业人员平均工资已达到元，相比十年前涨幅已达到1.35倍。人工转写成本的大幅上涨为转写行业带来更多价格压力。此外，随着转写场景的泛化升级，转写需求渗透到各行各业，转写内容专业度也不断提升，具备行业背景知识的转写译员更成为市场供给侧的稀缺人力资源，且转写交付水平存在不稳定性，与个人服务能力高度挂钩。在此发展背景下，转写市场亟需智能语音转写产品，以辅助优化人工转写产品的角度切入，提供低成本、高质量、具备稳定交付水平的转写服务，满足更多市场需求缺口。
企业协同在线办公常态化，助力转写功能实现更多用户触达
年初，受疫情影响，很多企业无法按时复工复产，远程办公成为维持社会经济正常运行的重要平台应用，用户需求显著提升，视频会议、电话会议、在线文档编辑等远程协作功能得到更广泛应用。根据中国互联网络发展统计报告数据，年月中国在线办公用户规模已跃升至4.7亿，相比年6月增长幅度高达.4%。如今疫情仍在延宕反复，随着用户在线协同办公习惯的逐渐养成，远程协同办公或将成为常态化运营工具，持续推动企业数字化转型。而相较于硬件录音与录音应用的产品形式，会议应用无需用户购买录音设备或额外开启录音应用即可触达转写服务，提供了更直接的应用切入点，助力转写功能在办公场景实现更广泛的用户触达。
网络视频兴起，为转写产品开拓更多应用空间
随着数字技术与互联网技术的普及，网络视频快速发展，短视频因满足用户高涨的碎片化娱乐需求而迎来一拨爆发式增长，进一步提升用户对整体网络视频领域的
转载请注明：http://www.0431gb208.com/sjszlfa/3118.html
