语音识别 头豹词条报告系列

2023/7/7 10:13头豹科技创新网https://www.leadleo.com/wiki/brief?id=6446457ea219e9f9e71dde17&source=JXU1MTk5JXU0RjVDMTY4MjMyNjkxMDM1Ng==1/17Leadleo.com客服电话：400-072-5588黎明语音识别 头豹词条报告系列琛2023-05-06未经平台授权，禁止转载版权有问题？点此投诉行业：信息传输、软件和信息技术服务业/互联网和相关服务综合性企业关键词：语音识别技术语音识别智能语音行业定义语音识别技术是以语音为研究对象，通过识别与处理语音...AI访谈行业分类根据应用功能，可将语音识别划分为实时长转写、后长转...AI访谈行业特征语音识别行业在技术和应用需求的双重驱动下，行业规模...AI访谈发展历程语音识别行业目前已达到 4个阶段AI访谈产业链分析上游分析中游分析下游分析AI访谈行业规模2022年语音识别市场规模达136.40亿元，2017-2022...AI访谈数据图表政策梳理语音识别行业相关政策 5篇AI访谈竞争格局语音识别行业已形成以科大讯飞为首，百度、阿里、腾讯...AI访谈数据图表摘要在本篇研究报告中，我们将对语音识别进行深入的研究和探讨。报告将阐述语音交互的流程以及语音识别技术，并展示其在语音交互等方面的应用价值。在宏观市场角度，报告将从政策、市场规模、市场参与者与竞争格局切入分析，并围绕语音识别技术的产业链条，挖掘潜在的商业与投资机会。语音识别行业定义[1]语音识别技术是以语音为研究对象，通过识别与处理语音信号使计算机自动识别和理解人类口述的语言。计算机通过语音识别和理解的过程将人类口述的语音信号转变为机器可处理的文本。语音识别系统本质是一种模式识别系统，包括特征提取、模式匹配、参考模型库等三个基本单元，完成语音训练与识别两大过程。语音识别解决机器听清问题、处理声学和（部分）语言上的混淆解决共性问题并确保每个人的语音都能识别出正确的文本；但语音识别无法识别谁在说话、无法识别语言表达方式，如发音质量、情感、韵律等且无法识别语言的意思。 2023/7/7 10:13头豹科技创新网https://www.leadleo.com/wiki/brief?id=6446457ea219e9f9e71dde17&source=JXU1MTk5JXU0RjVDMTY4MjMyNjkxMDM1Ng==2/17[1]1：https://blog.csdn....2：CSDN语音识别分类（按应用功能划分）语音识别行业分类[2]根据应用功能，可将语音识别划分为实时长转写、后长转写和短转写三类。语音识别分类实时长转写在说话人说话的同时进行语音识别并实时输出文字结果。这类技术通常应用于实时翻译、实时字幕、语音助手等场景中，要求识别速度快、准确性高。实现方式通常使用在线语音识别API或者离线语音识别应用程序。后长转写对已经录制好的语音进行后处理，将语音转换成文字。这种技术常常应用于会议记录、电话录音文字转换、语音搜索等场景中。由于是离线处理，因此时间上比实时长转写更加灵活。短转写对短语音进行识别，例如短信语音输入、智能设备语音控制等。这种技术相对于前两者来说较为简单，但需要考虑到声音环境嘈杂以及背景噪音等因素。[2]1：专家访谈语音识别行业特征[3]语音识别行业在技术和应用需求的双重驱动下，行业规模持续高增。厂商通过标准化技术授权服务和定制开发服务两种形式提供服务，TO B产品利润率约5%-10%，TO C产品利润率约10%-20%。现阶段，语音识别行业已形成以科大讯飞为首，百度、阿里、腾讯为领导者的头部集中格局。1市场规模大模型推动应用落地，行业规模持续高增。 2023/7/7 10:13头豹科技创新网https://www.leadleo.com/wiki/brief?id=6446457ea219e9f9e71dde17&source=JXU1MTk5JXU0RjVDMTY4MjMyNjkxMDM1Ng==3/17语音识别技术成熟推动行业高速增长，2022年语音识别市场规模达136.40亿元，2017-2022年年均复合增长率约26%。大模型爆发推动自然语言处理等后端环节成熟，为语音识别的应用场景提供了更加广泛的可能性，语音识别继续维持高速增长，2027年市场规模预计可突破450亿元，2022-2027年年均复合增长率约为28%。【1】2商业模式标准化技术授权服务和定制开发服务。语音识别厂商基于语音识别等智能语音技术，向客户提供软件产品/解决方案、技术服务和软硬件一体化产品等产品/服务。其中，技术服务以标准化技术授权服务（SaaS云服务和License授权服务）和定制开发服务等形式提供。TO B产品利润率约5%-10%，TO C产品利润率约10%-20%。【2】3竞争格局头部集中格局，市场竞争加剧。语音识别行业已形成以科大讯飞为首，百度、阿里、腾讯为领导者的头部集中格局。其中，科大讯飞走G/B/C三条渠道融合的销售路线，自上而下抢占市场份额。百度、腾讯、阿里等互联网厂商基于庞大的用户基础、丰富的数据资源和强大的资金实力，引领C端市场，并持续布局B端市场。中国语音识别厂商加速布局上游ASIC芯片等核心基础设施，把控市场定价权和研发自主权，或成为行业发展趋势。大模型加热语音识别市场竞争，行业集中度有望进一步提高。【3】[3]1：专家访谈，思必驰招股...语音识别发展历程[4]深度神经网络成为语音识别技术主流，现阶段头部语音识别厂商准确率均突破95%，语音识别迈入商业化阶段。①语音识别的发展大致经历了四个阶段，实现从理论模型到实际应用的突破。从识别能力上看，语音识别从最初的小词汇、孤立词识别到现在的准确率超95%的连续音频识别。从识别技术上看，语音识别从最初简单的模板匹配到GMM-HMM时代到DNN-HMM时代再到现在的通过神经网络模型对语音信号建模的端到端时代，并趋于远场化和融合化方向发展。从应用场景上看，语音识别从最初的语音电话交互、语音搜索，到现在的智能家居、自动驾驶等领域。未来语音识别将语音交互趋势将进一步加强，同时以多模态融合的形式与其他传感器数据结合起来，持续满足多语种、多方言、多场景、个性化的应用需求，并推动各行各业数字化转型和升级。① 2023/7/7 10:13头豹科技创新网https://www.leadleo.com/wiki/brief?id=6446457ea219e9f9e71dde17&source=JXU1MTk5JXU0RjVDMTY4MjMyNjkxMDM1Ng==4/17萌芽期1952~19751952年，贝尔实验室研制第一个能理解有限英文数字发音和词汇的系统，标志着首款语音识别系统的问世。1964年，IBM在世界博览会上推出了数字语音识别系统，语音技术自此走出实验室。该阶段语音识别技术语音识别主要集中在小词汇量、孤立词识别方面，主要使用简单的模板匹配方法。启动期1975~19951980年，声龙推出了第一款语音识别产品Dragon Dictate，这是第一款面向消费者的语音识别产品。软件能够识别20,000个英文词汇，技术的应用获得突破。该阶段利用数字信号处理、模式识别等技术进行语音识别，能够识别一些短语和简单的语句。启动期1995~20102001年，微软发布支持语音识别的Windows XP操作系统。2007年，苹果推出第一代装有Siri语音助手的iPhone。该阶段以HMM为基础的技术框架广泛应用，语音识别技术的准确率和稳定性得到较大提高。高速发展期2010~20292009年深度学习被系统应用到语音识别领域中。这导致识别的精度再次大幅提升，最终突破90%，并且在标准环境下逼近98%。开始大规模出现商业化应用落地产品，如智能音箱、智能家居、智能客服等。该阶段通过神经网络模型对语音信号进行建模，在大数据集上进行自适应学习的端到端语音识别准确率大幅提升，语音识别开始正式进入商品时代。[4]1：https://baijiahao.b...2：https://www.51cto...3：https://www.51cto...4：https://www.51cto...5：https://zhuanlan.z...6：SpeechIO TIOBE 2023/7/7 10:13头豹科技创新网https://www.leadleo.com/wiki/brief?id=6446457ea219e9f9e71dde17&source=JXU1MTk5JXU0RjVDMTY4MjMyNjkxMDM1Ng==5/17语音识别产业链分析[5]语音识别产业链上游核心环节主要为算法模型提供商、数据标注服务商和AI语言芯片供应商；中游企业包括互联网企业和智能语音科技厂商；下游应用场景广阔，主要为实时长转写、后长转写和短转写三种形式。算法人才市场结构性供需比例严重失衡，质和量均无法满足岗位需求，全社会着力打造政产学研一体化的人工智能人才培养模式。凭借可定制化的优势，ASIC芯片在特定的应用场景下具有更强的性能、更低的功耗和成本，以及更小的体积，因此在人工智能领域的特定场景下具备明显的竞争优势。中国厂商在加速研发ASIC芯片，部分厂商已实现量产。数据标注是语音合成产业链的重要基石，是所有基础数据的来源。数据标注的质量和数量直接影响语音合成模型的性能和效果，包括准确性、自然度、流畅度、鲁棒性、表现力等方面。因此，投入足够的精力和资源进行高质量的数据标注是提升语音合成技术的关键。互联网厂商以平台能力切入，利用资源和技术优势，结合服务生态，将解决方案整合进完整的服务链条。互联网厂商出于自身业务使用需求布局相关技术，并赋能给外部厂商，其更看重的是用户使用数据等相关数据的积累 。智能语音科技厂商以技术能力切入市场，即可提供全链路语言服务，也可提供子逻辑的技术点，以垂直领域作为发力点提供细分场景的解决方案实现快速增长。产业链上游算法模型提供商百度在线网络技术（北京）有限公司阿里巴巴达摩院（杭州）科技有限公司微软（中国）有限公司查看全部上生产制造端上游厂商产业链上游说明中国算法人才市场结构性供需比例严重失衡，质和量均无法满足岗位需求，全社会着力打造政产学研一体化的人工智能人才培养模式。从人才数量上看，中国人工智能人才总量仅为美国的50%，人才缺口超500万，供求比例为1：10，其中算法岗人才供需比仅为0.13，人才供需比例严重失衡。从人才结构上看，45.1%的算法研究岗要求应聘人员具有硕士及以上学历，但中国现有高学历AI人才储备难以满足，进一步加剧了核心岗位人才空缺，且高学历AI人才培养所需时间高于一般IT人才，因此，短期内AI算法人才短缺问题短期内难以得到解决。中国正着力打造和完善产教融合的人工智能培养体系，一方面，高校端具备打造体系化和系统化的人工智能人才培养体系的能力；另一方面，企业端具备海量优质的数据集与算力资源，两者合作能够建立体系化和实践性的人工智能人才。 2023/7/7 10:13头豹科技创新网https://www.leadleo.com/wiki/brief?id=6446457ea219e9f9e71dde17&source=JXU1MTk5JXU0RjVDMTY4MjMyNjkxMDM1Ng==6/17数据标注服务商北京海天瑞声科技股份有限公司数据堂（北京）科技股份有限公司标贝（北京）科技有限公司查看全部AI语言芯片供应商科大讯飞股份有限公司北京百度网讯科技有限公司北京宇音天下科技有限公司查看全部生产制造端上游厂商产业链上游说明数据标注对于语音识别模型的训练、验证、泛化能力和定制化需求均有着重要影响。一般数据标记的准确率维持在60%-70%区间，高质量的数据标注准确率约为90%。随着应用市场对AI模型的智能化水平要求的提高，数据标注质量将成为未来AI模型行业竞争的重要因素。同时，具备数据资源优势的互联网厂商将建立自有的数据标注平台，作为旗下AI大模型的训练资源。数据标注服