人工智能井噴式發展 電視廠商扎堆發布“智能語音”
來源：骨軟筋酥網
時間：2025-12-05 16:16:06
導讀：2017年電視圈子又火了另外一個東西——智能語音技術，智能語音還有一種說法叫做人工智能，人工說的智能展電寧波外圍（寧波外圍女）外圍預約（電話微信189-4469-7302）提供頂級外圍女上門，優質資源可滿足你的一切要求樸素一點就是電視上的語音交互。
隨著VR/AR這股熱潮逐漸冷卻之后，井噴2017年電視圈子又火了另外一個東西——智能語音技術，式發視廠商扎還有一種說法叫做人工智能，智能語音說的人工樸素一點就是電視上的語音交互。雖然不是智能展電什么新鮮的概念，可是井噴最近所有電視廠商的每一場春季發布會，幾乎都在著重的式發視廠商扎強調自家電視的智能語音技術，似巧合，智能語音又非巧合。人工智能語音技術為何在這個時間點在智能電視上井噴?智能展電值得我們為此探討一番。
智能語音的井噴風口真來了？
投資界流行這樣一句話：投資要投“第三眼美女”，第一眼、式發視廠商扎第二眼美女交往的門檻和成本都比較高，而只有第三眼美女是屬于大眾的，對應到產品上，寧波外圍（寧波外圍女）外圍預約（電話微信189-4469-7302）提供頂級外圍女上門，優質資源可滿足你的一切要求就是任何技術產品都要到第三代才能被大眾廣泛接受，才能長時間的存在下去。
人工智能技術從50年代的控制論與早期神經網絡，走到如今的AlphaGo、Master，現在正好在經歷技術發展的第三個階段。50年代末是一波高潮很多死掉了，到70年代的時候國家自然科學基金會都不支持了。80-90年代又活躍了一次，但許多認知科學家強烈反對當時很火的一個人工智能概念“物理符號系統假設”，認為身體是推理的必要條件，加上科研經費的削減，又死了。今天正好是第三波，理論上機遇比較大。
第三代技術應該足夠下方到消費領域，接下來我們看看各電視廠商智能語音技術具體的應用情況如何。
TCL：發布會上TCL著重演示了人工智能助手“小T”，具備感知、認知、服務、學習的三大特性。而“小T”是TCL集團與騰訊、阿里在人工智能及云服務上進行數據打通，實現資源共享的結晶。
長虹：推出以電視機為中心的人工智能平臺AI Center。據悉長虹除了與IBM、科大訊飛等達成合作，也與杜比、騰訊、華帝，以及清華大學、西安交大、微軟、中科院等結成“人工智能產業聯盟”。
微鯨：微鯨科技推出了微鯨智能語音電視2.0高端產品醉薄A系列，并宣布微鯨全線產品也將進入2.0時代。其與科大訊飛與美國麻省理工媒體實驗室、微軟等，分別在語音遙控、多媒體交互領域、人臉識別等方面達成了合作。
樂視：從樂視一代超級電視開始就搭載有語音功能，超級電視語音技術經歷從合作到自主研發的過程，樂視的超級語音技術，不僅包括語音識別和語義分析，其自主研發的語音合成TTS技術已全面上線。
幾乎每一個廠商都在強調對語音認知已從功能層面上升到人工智能。而且背后還有巨大的合作團隊，與知名的語音技術和人工智能平臺密切合作和研發。這種全軍出擊的局面，很難否定智能語音在電視行業的發展盛況。但盛況并不意味著技術和商業的足夠成熟。
語音識別究竟有多難？
為什么智能語音技術發展了這么長時間，還是做不到對語音和語意的精準識別呢?我們有必要先了解一下語音識別是怎么做到的。
聲音實際上是一種波紋，就像自然中的光譜一樣。如果要對聲音進行分析，就要先把聲音的這種波紋切分成很很多小片段，就好比一個視頻由很多幀畫面構成，畫面又由很多個像素點構成一樣，語音也可以切分成很多幀。所以語音識別的大概流程可以歸納為以下幾點：
采集：聲波信息分段采集
編碼：把每一單位長度的語音變成多維向量(內容信息)
訓練：從數據中學習對語音的判斷，而不是用人工的規則。 用數據庫和建立模型讓語音系統自我學習(如果遇到方言，需要建立獨立的一套系統)
解碼：用訓練好的模型組合起來就可以通過判斷新的語音向量，來識別語音了。
反饋：將分析結果通過設備播放出來。
看似很簡單的一個過程，其實每一個環節都有很多難點，有很多不可控的因素存在。一方面是復雜條件下，識別率顯著下降，比如地方方言、背景噪音，還有說話語速的差異，都是不具規律性的;另一方面是語音的訓練和測試用數據的并非完全匹配，如果用人民廣播電臺的語音來訓練數據庫，那實際操作中哪有這么多廣播員呢？
這些都還只是皮毛，最重要的是人工智能對于語意的理解才是巨大的困難。就算作為人類，在沒有前后文的情況下，突然扔給你一段話，你也不見得能理解它的意思。而人工智能就更是一臉懵逼了，不同的麥克風、噪音、口音以及談話內容下，人工智能作出的反應可能都截然不同，本質上它還不具備意識，對人類的語言缺乏足夠的認知。
語音交互在電視上的實際操作過程中，還會遇到這樣一個窘境：反應速度問題。試想一下如果對電視提出一個問題，哪怕回答的結果是準確的，但是等待時間卻長達兩三秒的話，你還有欲望繼續對它說話嗎?
綜上所述，無論是語音識別算法的亟待革命、語音工程上或缺的奇跡，或者是硬件性能上的各種限制，智能語音發展到今天遠遠還談不上輕車熟路。只不過正好它遇上了這個時代，能夠忽略它的不成熟，容忍它的成長過程。因為它已經發展的足夠快了。
除了足夠智能，還需要什么？
如今的智能語音并非完美，但是在電視這個平臺上，真的需要需要那么智能嗎?
電視的用途主要是什么?搜索-點播-播控，無非就這是三點，深度整合一下在線和離線時的語音識別工具包，并及時更新，就能夠基本滿足用戶對此的需求。
但是如果把電視當做的人工智能控制中心，那電視就將會高頻率的用起來。那對智能語音的要求就要高很多了。但是有一點作為智能電視的本質屬性，是永遠不會改變的。那就是給用戶提供足夠多的內容和服務。
如果電視沒有足夠多的模塊和功能，沒有足夠多的內容和服務，用戶使用語言的動機就會缺失。如果沒能打通所有家電智能平臺，沒有統一控制協議，那用戶使用智能語音就會處處受限。
真正要讓用戶把智能語音功能使用起來，優秀的語音識別技術，僅僅是其中很小的一部分，在家庭場景下的解決用戶實際問題的服務，才是根本。像很多廠商在電視上加入的人臉識別、兒童教育，配合智能語音，才能發揮語音技術在這一場景下的價值。
總結：人工智能只有在不斷交互的情形下，它才有使用的意義和進步的空間。所以在智能交互不斷更迭的物聯網時代，智能語音技術來得恰是時機。很多人把它看做是下一波風口，也并非無稽之談。只不過，一切科技的價值都是圍繞人性服務而產生，如何用智能語音連接所有家庭環境下人性的需求，才是技術研發的同時，品牌制造商們迫切需要思考的問題。
隨著VR/AR這股熱潮逐漸冷卻之后，井噴2017年電視圈子又火了另外一個東西——智能語音技術，式發視廠商扎還有一種說法叫做人工智能，智能語音說的人工樸素一點就是電視上的語音交互。雖然不是智能展電什么新鮮的概念，可是井噴最近所有電視廠商的每一場春季發布會，幾乎都在著重的式發視廠商扎強調自家電視的智能語音技術，似巧合，智能語音又非巧合。人工智能語音技術為何在這個時間點在智能電視上井噴?智能展電值得我們為此探討一番。
智能語音的井噴風口真來了？
投資界流行這樣一句話：投資要投“第三眼美女”，第一眼、式發視廠商扎第二眼美女交往的門檻和成本都比較高，而只有第三眼美女是屬于大眾的，對應到產品上，寧波外圍（寧波外圍女）外圍預約（電話微信189-4469-7302）提供頂級外圍女上門，優質資源可滿足你的一切要求就是任何技術產品都要到第三代才能被大眾廣泛接受，才能長時間的存在下去。
人工智能技術從50年代的控制論與早期神經網絡，走到如今的AlphaGo、Master，現在正好在經歷技術發展的第三個階段。50年代末是一波高潮很多死掉了，到70年代的時候國家自然科學基金會都不支持了。80-90年代又活躍了一次，但許多認知科學家強烈反對當時很火的一個人工智能概念“物理符號系統假設”，認為身體是推理的必要條件，加上科研經費的削減，又死了。今天正好是第三波，理論上機遇比較大。
第三代技術應該足夠下方到消費領域，接下來我們看看各電視廠商智能語音技術具體的應用情況如何。
TCL：發布會上TCL著重演示了人工智能助手“小T”，具備感知、認知、服務、學習的三大特性。而“小T”是TCL集團與騰訊、阿里在人工智能及云服務上進行數據打通，實現資源共享的結晶。
長虹：推出以電視機為中心的人工智能平臺AI Center。據悉長虹除了與IBM、科大訊飛等達成合作，也與杜比、騰訊、華帝，以及清華大學、西安交大、微軟、中科院等結成“人工智能產業聯盟”。
微鯨：微鯨科技推出了微鯨智能語音電視2.0高端產品醉薄A系列，并宣布微鯨全線產品也將進入2.0時代。其與科大訊飛與美國麻省理工媒體實驗室、微軟等，分別在語音遙控、多媒體交互領域、人臉識別等方面達成了合作。
樂視：從樂視一代超級電視開始就搭載有語音功能，超級電視語音技術經歷從合作到自主研發的過程，樂視的超級語音技術，不僅包括語音識別和語義分析，其自主研發的語音合成TTS技術已全面上線。
幾乎每一個廠商都在強調對語音認知已從功能層面上升到人工智能。而且背后還有巨大的合作團隊，與知名的語音技術和人工智能平臺密切合作和研發。這種全軍出擊的局面，很難否定智能語音在電視行業的發展盛況。但盛況并不意味著技術和商業的足夠成熟。
語音識別究竟有多難？
為什么智能語音技術發展了這么長時間，還是做不到對語音和語意的精準識別呢?我們有必要先了解一下語音識別是怎么做到的。
聲音實際上是一種波紋，就像自然中的光譜一樣。如果要對聲音進行分析，就要先把聲音的這種波紋切分成很很多小片段，就好比一個視頻由很多幀畫面構成，畫面又由很多個像素點構成一樣，語音也可以切分成很多幀。所以語音識別的大概流程可以歸納為以下幾點：
采集：聲波信息分段采集
編碼：把每一單位長度的語音變成多維向量(內容信息)
訓練：從數據中學習對語音的判斷，而不是用人工的規則。 用數據庫和建立模型讓語音系統自我學習(如果遇到方言，需要建立獨立的一套系統)
解碼：用訓練好的模型組合起來就可以通過判斷新的語音向量，來識別語音了。
反饋：將分析結果通過設備播放出來。
看似很簡單的一個過程，其實每一個環節都有很多難點，有很多不可控的因素存在。一方面是復雜條件下，識別率顯著下降，比如地方方言、背景噪音，還有說話語速的差異，都是不具規律性的;另一方面是語音的訓練和測試用數據的并非完全匹配，如果用人民廣播電臺的語音來訓練數據庫，那實際操作中哪有這么多廣播員呢？
這些都還只是皮毛，最重要的是人工智能對于語意的理解才是巨大的困難。就算作為人類，在沒有前后文的情況下，突然扔給你一段話，你也不見得能理解它的意思。而人工智能就更是一臉懵逼了，不同的麥克風、噪音、口音以及談話內容下，人工智能作出的反應可能都截然不同，本質上它還不具備意識，對人類的語言缺乏足夠的認知。
語音交互在電視上的實際操作過程中，還會遇到這樣一個窘境：反應速度問題。試想一下如果對電視提出一個問題，哪怕回答的結果是準確的，但是等待時間卻長達兩三秒的話，你還有欲望繼續對它說話嗎?
綜上所述，無論是語音識別算法的亟待革命、語音工程上或缺的奇跡，或者是硬件性能上的各種限制，智能語音發展到今天遠遠還談不上輕車熟路。只不過正好它遇上了這個時代，能夠忽略它的不成熟，容忍它的成長過程。因為它已經發展的足夠快了。
除了足夠智能，還需要什么？
如今的智能語音并非完美，但是在電視這個平臺上，真的需要需要那么智能嗎?
電視的用途主要是什么?搜索-點播-播控，無非就這是三點，深度整合一下在線和離線時的語音識別工具包，并及時更新，就能夠基本滿足用戶對此的需求。
但是如果把電視當做的人工智能控制中心，那電視就將會高頻率的用起來。那對智能語音的要求就要高很多了。但是有一點作為智能電視的本質屬性，是永遠不會改變的。那就是給用戶提供足夠多的內容和服務。
如果電視沒有足夠多的模塊和功能，沒有足夠多的內容和服務，用戶使用語言的動機就會缺失。如果沒能打通所有家電智能平臺，沒有統一控制協議，那用戶使用智能語音就會處處受限。
真正要讓用戶把智能語音功能使用起來，優秀的語音識別技術，僅僅是其中很小的一部分，在家庭場景下的解決用戶實際問題的服務，才是根本。像很多廠商在電視上加入的人臉識別、兒童教育，配合智能語音，才能發揮語音技術在這一場景下的價值。
總結：人工智能只有在不斷交互的情形下，它才有使用的意義和進步的空間。所以在智能交互不斷更迭的物聯網時代，智能語音技術來得恰是時機。很多人把它看做是下一波風口，也并非無稽之談。只不過，一切科技的價值都是圍繞人性服務而產生，如何用智能語音連接所有家庭環境下人性的需求，才是技術研發的同時，品牌制造商們迫切需要思考的問題。
