冷落谷歌，无感Alexa，日本市场智能音箱霸主名叫Clova

原标题：冷落谷歌，无感Alexa，日本市场智能音箱霸主名叫Clova 来源：机器之心

智能家居是AI领域最火热的话题之一。而智能家居目前最热门的领域又是智能音箱。其中，智能音箱的核心技术“语音交互”也是人类最自然、最直接的交流方式。随着影响交互技术的发展，在人与设备有距离或用手不便的场景下，用语音可迅速解决问题，不但可以解放双手也同时也可解放双眼。

作者 | 熊利郎、陆少游

一、智能音箱的市场规模

富士CHIMERA研究室在2018年对智能音箱市场进行过调查。此调查中的智能音箱对象，除了搭载基础的Wi-Fi和蓝牙等网络功能和配备了音频输入输出和语音助手功能的扬声器外。部分带摄像头模块和显示器的产品，以及能够进行音频交互的产品均被算作智能音箱市场中。

该市场调查报告显示，从2017年下半年开始一直到年底，谷歌和亚马逊等多家外国制造商推出的产品形成了日本国内市场。而日本制造商在2018年积极进入市场，也使得市场正在快速扩张，预计将达到46亿日元（2017年水平的2.9倍）。未来由于智能音箱的拥有率比较低，以及家电设备的自动化操作的普及，智能音箱的市场将会有一定程度的增长。值得警惕的是，由于未来家电也会逐渐增加语音交互的功能，智能音箱的增长率有可能会逐年降低。

日本智能音箱市场规模现状与发展趋势预测

数据来源：富士经济

二、智能音箱中常见的技术

唤醒（Wake Words）：麦克风在7x24小时接收并持续分析这些外部声音。实时检测到关键的唤醒词。一旦检测到了唤醒词，就把之后的语音信息传递给语音识别服务器。

自动语音识别（ASR）：扬声器收集的语音信息，并不能直接被AI用于分析，必须要先转化成文字。此技术的目的是将人类语音中的词汇内容，转换为计算机读取和分析的数据。通常涉及到了信号处理、模式识别等众多领域。

语义理解（NLP）：自然语言处理/智能音箱中最核心的领域。此技术用于把人类的语言转化成机器能够理解的文字和数字。同时也需要将长句子中的单词进行词汇边界的界定，消除词义的歧义，判断模糊的语法后，进行自动分词并解析。最终转化为计算机可理解的内容，并做出合适的响应。

语音合成（TTS）：此技术用于将文字智能地转化为自然语音流。利用智能语音控制器确保文本输出的语音音律流畅，使得用户在听取语音时感觉自然，降低机器语音输出的冷漠与生涩感。通常会涉及到文本的断句、字词切分、多音字的处理、数字处理、缩略语处理等。

三、日本智能音箱应用场景及产业链公司图谱

四、 智能音箱案例

Clova：外形沿用了布朗熊和莎莉鸡的形象。具有语音交互功能，可以为用户提供新闻资讯、天气、播放音乐、控制智能家居的服务，只需简单的语音即可完成各种任务。此外，日本葬仪服务公司Yorisoo也与Clova合作，将4位僧人的“三分钟法话”搭载于音箱内，并有“悲伤、愤怒、迷茫”三种感情共12个应对选择。只要人们对智能音箱说出“喂Clova，帮我安排一位僧人吧”，就能根据当时情境听到来自不同僧人的法话。

日本占有率最高的Clove音箱

Gatebox：LINE公司推出的虚拟全息语音助手在功能上与其他智能音箱并无太大差别。但这款语音助手是由小桌灯大小的玻璃盒子构成，利用VR技术投影出全息虚拟角色。相比其他智能音箱，Gatebox能够以更直观的互动模式与用户进行交流。

Alexa：理光已采用Alexa for Business来操作RICOH Intelligent Voice Control系统。用户能够使用语音来操作与Amazon Alexa兼容的复印机和扫描仪，以提高员工的业务生产力。三菱UFJ银行与Alexa合作，采用语音登陆银行账户，来查询账户余额，股票价格，最新的金融新闻和各种积分等。

Google Home：该智能助理与Yamato宅急送合作，推出了根据语音修改宅急送配送时间的服务。用户只需说“OK Google、连接到Yamato宅急送”后，可根据语音提示来修改对应的配送时间。Google Home 也可用于PIXELA公司下的Conte灯光控制系统，用语音操控灯光的开关、调节灯光强弱等。

五、智能音箱在实际应用中的局限性

1. 缺少杀手级应用：现实情况是,很多音箱无法满足最基本的基础内容服务，杀手级应用没有出现，导致的智能音箱应用场景不强。目前阶段，市场仅剩尝鲜的用户，后劲不足。

2. 智能互动不足：智能音箱系统的互动仅限语音，且由于技术限制导致识别率无法令用户满意，在识别方言或者环境嘈杂的情况下用户需要反复发布操作指示才可正确识别。

3. 行业标准不统一：智能音箱方面没有形成统一的技术框架和标准，各个品牌的产品难以实现互通互联，仅限与同一品牌运营商下的产品进行联动。出现问题时，只能选择开发商提供的同品牌产品，给用户带来了不便。

六、智能音箱的未来趋势

1. 云计算的普及：借助5G网络的优势，当宽带速度和延迟等不足以成为限制条件时，通过云来实时计算和分析，将有助于提高对于用户指令的识别精度。

2. 语音识别技术的增强：可准确识别出用户的声音，并分析语言来了解用户的需求，最后根据用户的需要来完成相应的任务。当识别精度越来越高，用户将逐渐依赖与纯语音交互。

3. 未来物联网的最佳入口：智能音箱可根据用户的一句话就完成新闻播报、声控购物、收听电台、预报天气等日常任务。随着人工智能技术的成熟和IOT生态的完善，未来将有可能成为不同品牌、不同产品之间最佳的沟通桥梁。