云知声：营造语音生态圈

海川

如今，玩微信已成为一种时尚便捷的生活方式，大街小巷，公交地铁，满眼尽是“微信控”， 甚至上班开会也不忘微信一下，谁不开通微信就会有OUT之嫌。可当你不方便发送语音给对方，而键盘输入文字慢又麻烦时，怎么办呢？

一款由北京云知声信息技术有限公司（以下简称“云知声”）研发的微信语音输入插件，自今年2月推出后，以精准的识别性能和全新的交互体验，受到广大用户的追捧，发布一周即登顶App Store免费工具排行榜首位，日激活量接近4万，使用云知声提供的微信语音插件的用户接近100万，开启三十次以上的每天有几万人。用户对着微信说话就能自动转换为文字发给好友，每分钟可以输入100字，普通话不标准也不用担心。

这款“让沟通变得更加简单”的语音输入产品，在技术含量上一点都不简单，它凝聚了云知声创业团队自主开发的三大核心技术：语音识别技术、云计算平台技术和移动客户端技术。

云知声创始人兼CEO梁家恩表示，尽管语音识别看上去只是将语音转换成文字这么简单，但从前端的语音特征提取到后端的声学和语言建模，以及快速识别解码，其实需要庞大系统的支撑。专业领域将人们说话的不同发音在专业上称之为声学模型；不同的人说话的内容不一样，词序也不一样，这部分称为语言模型。语音识别就是要从发音信号中抽取稳定和可靠的声学特征，然后与声学模型和语言模型做快速有效的比对，找到最匹配的句子，来满足需求。

作为一家新兴技术公司，创新是云知声的惟一出路。面对智能语音行业的高门槛，云知声以迅雷不及掩耳之势，迅速占领中文语音识别技术制高点。截至目前，中文语音识别准确率达到94%以上，语音识别速度比同行快2～3倍，跻身国际一流水平。

其瞄准市场需求，不断推出的高质量语音产品和服务令业界震惊，譬如语音服务平台（公有云）、微语音输入插件、语音助手、语控精灵以及提供语音技术支持的搜狗语音助手、小i语音助手、乐视网的超级电视等。

一年跑出的“黑马”

顾名思义，云知声定位于智能语音和云计算。虽然只是刚成立一年的小公司，但云知声的技术实力和发展速度不可小觑，在语音识别技术上并不逊色于业界大佬科大讯飞，成为备受关注的语音“黑马”。

“现在就有大公司想收购我们，它的业务对语音识别需求很大。”梁家恩对记者说，“我们还是想有一个比较大的空间持续发展，做自己的平台。”

云知声之所以发展快，是因为他们的语音技术积累已经超过十年。作为云知声的创始人，梁家恩于2001年中国科技大学毕业后，在国内语音识别技术的摇篮——中科院自动化所进行了五年硕博深造，2006年博士毕业之后，又作为语音识别核心技术组负责人留所工作了五年，2011年加入盛大创新院，2012年6月创立云知声，期间一直从事智能语音技术的研发。

随着苹果语音助手Siri的亮相以及引发的智能语音热潮，去年初，梁家恩觉得创业时机已经成熟，于是毅然放弃盛大创新院高级研究员的优越条件，与志同道合的几名同学、朋友和师兄弟共同创立了云知声。

业内人士告诉记者，这样的一流语音团队国内很难有了，以前市场不景气，许多语音人才都转行了，能够持续深入研究、又有丰富产业经验的顶级语音人才，目前国内很稀缺。

只有三十名员工的云知声，硕士博士占了1/3，他们创业的决心和勇气令人钦佩，核心成员都是把别人羡慕的工作辞掉以后来创业的，甚至多次被猎头“挖墙角”而不动摇，最后猎头都泄气了。

尽管梁家恩十多年来一直潜心于语音技术的研发，但上学、工作与创业还是有天壤之别。“从科研院所的研究到企业参与应用开发，不会因为我们做得好与不好而受到很大影响，但自己创业就完全不同了。如果做得不好就会垮掉，我们是用职业生涯去拼这种创业成功的机会，回头想一想，当时冒了很大的风险。”梁家恩斩钉截铁地说。

经过半年的前期准备，梁家恩团队的创业热情和技术能力，打动了一家具有十多年风投管理经验的基金公司，并获得了一千万以上的重量级天使投资。资本、技术与市场需求的结合，必将爆发惊人的能量。

云知声团队仅用九个月就对外发布了语音云，老牌公司科大讯飞则用了十年时间。2012年11月，与搜狗合作，只用两周时间就助力搜狗语音助手首发，提供云端语音识别。今年3月27日，在“锤子ROM”发布会上，云知声与科大讯飞一起，同时入围了锤子科技的语音解决方案。5月7日，由云知声独家支持的乐视超级电视全球首发，成为展示会的一个亮点，这台超级电视集成了云知声的语音交互技术。外界评价称，“从现场演示效果看，识别准确度和识别效率方面都具有很高的水准。”

打破语音商业化壁垒

刚满周岁的云知声成为“后起之秀”不是偶然，它昭示了一个颠扑不破的市场真理：用实力说话。这群“老兵”不仅有敢于挑战行业巨头的胆魄，更有积淀数年的语音识别技术，正所谓“有了金刚钻，才揽瓷器活”。

无巧不成书。梁家恩与科大讯飞创始人刘庆峰师出同门，二者都毕业于中国科学技术大学。梁家恩记得很清楚，1999年科大讯飞成立的时候，他还在读本科，梁家恩没想到自己有一天会在语音市场与师兄竞争。

“过去在其他公司，从事的都是技术性的工作，现在我们需要整合成一个完整的语音识别系统，并推向市场，在用户使用过程中不断反馈、积累数据，进行完善和优化。” 梁家恩对创业的挑战性毫不隐晦。

成立不到一年，云知声不仅发布了公有云平台，而且对语音系统进行了两次重大升级和突破。刚开始是85%的语音识别准确率，去年年底上线了最先进的深度神经网络系统（DNN），识别性能提升30%以上。

许多人不相信云知声这个初创公司具有深度神经网络技术的实力，以为只有百度、谷歌、微软、IBM这些大公司才能做，按常规需要上百台服务器集群。但云知声在有限的资源下，用计算能力强大的显卡（GPU）来计算，以较低的成本（控制在10万以内），两个多月时间就自主攻克了这项关键技术。

今年4月，云知声语音进行了第二次升级，识别引擎进一步优化，追上了谷歌的语音处理速度，语音识别准确率超过94%，名列国内前三甲。搜狗是云知声语音云的重要客户，在云知声还未出名的时候，搜狗相关负责人就找到梁家恩，当时搜狗的团队在实际测试之后，发现云知声的技术服务能力与科大讯飞还真差距不大，因此就与云知声达成合作。

DoNews CEO王乐曾问：“你们公司的规模并不是很大，为什么你们敢做语音识别这么复杂的技术？”梁家恩表示，我们的专业技术积累很多，对国际上主流的算法和技术了然于胸，语音识别对云知声团队来说完全不存在任何技术壁垒，主要的壁垒是在商业化方面。

目前云知声在移动互联网的商业化方面已经迈出了坚实的步伐，在没有任何推广情况下，云知声的开放语音云平台上已经有超过400个注册开发者账号。

免费的语音“午餐”

一路快跑的云知声在语音行业已小有名气，除了赢得不少优质互联网公司的青睐，国内多家电视机厂商也在跟他们洽谈合作。正当云知声蒸蒸日上时，他们却做出了一个大胆的决定：自2013年5月15日起，云知声将向所有移动互联网开发者提供完全开放、永久免费的专业语音识别服务。

这个决定让广大开发者和用户既惊喜又疑惑，如果说大公司有资源和能力提供免费语音服务，那么刚突破技术门槛、在市场立足未稳的云知声，为何走这步险棋呢？

“我们的价值只有在智能语音产业蓬勃发展起来后才能体现，否则我们只能在少量的收费用户里挣点小钱，这样就会延缓整个语音产业的发展。”梁家恩对记者说，皮之不存，毛将焉附？仅靠我们一家小公司去推动语音产业的发展是不可能的，应该让更多用户参与进来，营造共赢的生态圈，这就是我们免费开放语音识别服务的初衷。

云知声之所以敢这么做，还有一点就是，云知声的语音服务速度非常快，同一台服务器，云知声支持的用户数量比别人多，这样就能大大降低处理成本，只相当于同行处理成本的30%。

互联网是一个低门槛、大用户量的行业，就像QQ、微博、游戏、杀毒软件等网络产品一样，只有少量的用户愿意付费或具有付费能力。梁家恩深知，既然选择了走开放共赢的互联网道路，就要按照互联网的规则去运作，而不是用传统封闭思维去做。仅靠几个行业巨头是养不大语音产业的，只有真正服务于广大中小企业和个人用户，才能形成大的语音产业格局。

对刚处于市场扩张中的云知声，免费的服务是否会影响其收益呢？梁家恩摇摇头，不以为然。“即使收费，收到的费用也是很少的，没有太大意义。如果一个个来谈，可能谈十个也谈不下一个，如果自然增长，10～20个里面就会有人主动付费。如果这个产业不能迅速发展，我们占有100%的份额都没有意义；如果这个产业能发展壮大，即使只占20%～30%的份额，我们也心满意足。”

而且大量普通开发者应用语音识别技术，刚开始都是尝试性的，不知道开发出的产品能否赚钱，如果先付钱就会形成一种障碍，不利于语音识别技术的推广。相反，开发者在免费使用中若发现语音交互确实能带来便利，并需要为差异化应用量身定制，这种增值服务才是可持续的。

梁家恩强调，“我们对所有开发者完全开放，即使客户觉得免费的资源足够用了，不需要购买增值服务，我们也不会对客户进行限制。”也不会故意把免费的语音服务做成低级别的，但通用的语音服务不可能满足所有用户的个性化需求，如果需要个性化服务，那就要付费。

除了增值服务，云知声还在拓展智能订单、智能营销、智能客服等领域的语音交互市场，目前已经有几家客户在洽谈。

尽管云知声正在为营造良好的语音生态环境而努力，希望放长线、钓大鱼，而不是竭泽而渔，但云知声不会对语音产业链进行通吃，成为用户登录的入口。他们的追求目标是做好语音平台，为用户提供精准、实时、专业的智能语音交互服务。作为技术型创业公司，如何弥补商业化短板，加快市场拓展步伐，眼下是梁家恩团队面临的挑战。