中国有多少个语音助手

灵犀语音助手

开发公司：中国移动和科大讯飞

有中国移动强势的渠道为背景，科大讯飞的技术做支撑，灵犀一出，业内皆知。

灵犀语音助手是普通话综合识别率最高的智能语音软件，也是国内市场占有率第一的中文语音助手。它由中文语音领导者科大讯飞和中国移动联合推出，采用全球最先进语音识别技术且拥有丰富本土化服务，识别准确，唤醒迅速，特别针对中文口音问题进行识别优化。

灵犀支持全程用语音操控手机，用户在与手机交谈中即可完成打电话、发短信、设提醒、查地图、找美食等日常操作，动口不动手，轻松享受智能生活。

2

虫洞语音助手

开发公司：北京光年无限科技有限公司

光年无限是国内最早从事人工智能机器人商业化的公司之一，在机器学习、语义理解、人机交互及智能问答领域具备技术领先优势。公司旗下产品“虫洞语音助手”使用用户超3500万人，是安卓语音助手第一品牌。

虫洞的功能主要有以下两点：一是主动查询信息，如：看天气，百科信息，音乐播放，知识问答，导航等功能。其次，配合可穿戴设备，如智能手表等。基于智能手表作为手机功能的延伸与补充，虫洞语音助手设置备忘提醒，该备忘提醒的功能有别于手机，能深度整合智能手表场景。

3

讯飞语点-语音助理

开发公司：安徽科大讯飞股份有限公司

科大讯飞在语音识别研究领域长达20年，拥有多项国家专利，是国内龙头行业的老大。讯飞语点专注于中文语音交互，语音识别率达95%。语点具有包罗万象的实用功能，大到重要会议的提醒、酒店的预定以及餐厅休闲、娱乐场所的查询，小到用户可以跟讯飞语点闲聊。

讯飞语点是基于新一代“语音云”开发应用，与传统的智能语音软件相比，讯飞语点将数据库的连接放到了云端服务器上，通过分析、判断、学习和适应四个方面的不断的深入，讯飞语点会在用户使用了一段时间之后，更为了解用户的语言习惯，自学习体系升级，对人机交互效果的提升，建立了坚实的基础。

4

百灵语音助手

开发公司：上海盛大网络发展有限公司

掌门百灵语音助手开发团队就是之前盛大创新院语音团队的核心力量，该团队此前在语音领域已有3年多的技术积累，据悉，该团队拥有语音识别、语音合成、语义理解、声纹认证等全面的语音核心技术,其中的语音识别和语音合成技术平台已对外开放1年多。目前，百灵语音助手除了提供一些基础的语音服务，如常规的通过语音进行搜索、信息查询、手机设置、应用管理、以及为用户管理日程生等，未来 还会借助盛大游戏、视频、文学、音乐等内容资源的优势推出特色功能。

5

百度语音助手

开发公司：百度

百度语音助手是一款支持语音指令，语音搜索，语音对话功能的智能语音服务软件。通过语音操作，你可以实现操作手机、搜索信息、语音问答等功能

百度语音助手还与百度框计算进行了结合，类似算术题、股票、地理位置、天气信息等问题都能提供直接的答案。此外，百度语音助手还将深度神经网络技术(DNN)运用到语音识别的过程之中，用以提高识别率。

6

智能360语音助手

开发公司：聚熵信息技术(上海)有限公司

智能360是由聚熵科技开发的一款智能语音软件，是由一个平均年龄为26岁的年轻团队开发的，其语音识别技术由google、科大讯飞提供，语义核心技术——中文语义解析引擎由聚熵智能自主研发。

智能360支持语音拨打电话、语音短信(播报及发送)、语音备忘、语音软件管理(打开和卸载应用)、语音播放本地媒体文件、语音报时、简单语音计算器等众多功能。

7

哦啦语音助手

开发公司： 威盛电子

哦啦是威盛电子开发的一款全新语音类集工具和娱乐为一体的智能软件。它可以通过与用户的交流，实现用户对各种生活信息的实时查询和操作、对手机内各个程序的调取要求，以及在界面内实现人机互动聊天、娱乐等需求。在未来，用户只要打开哦啦，就可以完成所需要的手机操作。

8

小i机器人语音助手

开发公司：上海智臻智能网络科技股份有限公司

小i机器人成立于2001年，致力于人工智能的开发和应用。小i机器人语音助手在呼叫中心、智能电视、智能手机、智能车载、智能家居、实体智能机器人等各个领域都有很好的表现。

2012年6月，小i机器人起诉苹果公司Siri产品侵犯了其知识产权，之后苹果公司反击，2012年11月，苹果向国家知识产权局专利复审委员会提出申请，请求宣告小i机器人专利权无效，国家知识产权局专利复审委员会认定苹果无效请求理由不成立，小i专利合法有效。但之后苹果上诉北京高院，北京高院以专利撰写中个别技术描述不充分为由，撤销了专利。

9

搜狗语音助手

开发公司：搜狐

搜狗语音助手是一款智能语音对话软件，从本地生活信息、地图，到百科知识、便民工具查询，再到新闻、图片等传统搜索内容，搜狗语音助手将这些都整合到自己的智能检索库中。用户可以通过语音——就像与朋友说话一样——轻松自然地向搜狗语音助手提问，眨眼之间便可得到精准的回答。不仅如此，他还能像一个私人助理一样为你管理生活日程，也能为你发短信、拨打电话。在你无聊的时候，还能与他聊聊天。

10

快说语音助手

开发公司：快说网

快说为手机和车载用户提供智能语音交互产品，公司提供了语音助手、语音导航等应用，可以实现语音操控车载系统及导航。团队成员主要由来自IBM，亚信，中兴，东软等国内外IT公司的资深员工所组成，据公司宣传，快说拥有亿级车载语料数据，车载领域的语义分析准确率在80%左右。

随着人工智能命题的提出，近年来涌现出一大批基于人工智能的呼叫中心业务服务商和集成商，仅智能外呼这一模块儿就将近百家公司在推广和运营。可以说整个基于人工智能技术的市场开始蓬勃的发展起来了。

简单介绍一下什么叫做智能语音交互平台。其实大实话就是在呼叫中心基础上，集成 ASR、 TTS、的呼叫服务平台。

那么如何我们自己去搭建智能语音系统呢？

我们先列出搭建智能外呼系统的搭建需要那些技术和服务：

个人认为：

[if !supportLists]·        [endif] 首先最重要的是交换机：

[if !supportLists]1.    [endif]PBX也就是交换机，商用设备原厂包括像华为、Avaya、思科、东汇等这些生产硬件交换机，

[if !supportLists]2.    [endif]还有就是目前FreeSitch、asterrisk、OpenPBX这些软件交换机。

[if !supportLists]·        [endif] 其次是AI技术: 及包含语音识别、语义理解、语音合成这三种技术是核心组成部分。语音识别相当于人的“耳朵”，接进电话后，对人的话语进行处理转义成系统能够识别的数据交由系统处理去识别。在进一步的话，可以转义为文字。语义理解相当于人的"大脑"，根据话语识别人的意图。语音合成，相当于人的”嘴巴“，识别人的意图之后，依照特定的回答方式，去回复和引导对话。

[if !supportLists]·        [endif] 再者是前端服务平台：即用户登录、配置呼叫流程，建立呼叫任务、统计呼叫数据、导出呼叫报表的网站，这个是终端用户唯一可以看到并且操作的界面。

[if !supportLists]·        [endif] 最后是外呼线路：其中包括三大运营商以及其他小型的集成线路供应商，主要目的是外呼电话或者是接入电话。

也有人可能有疑问：”智能语音交互系统最重要的不是人工智能么，和交换机有啥关系？”为什么说最重要的是交换机呢，原因是不管我们是外呼还是接入电话、都需要前端服务平台把外呼请求发送给交换机，通过外呼线路而拨出去。换句话说交换机是控制整体的外呼情况。硬件的交换机，比如说像华为的交换机，价格在大约几万到几百万不等的价格。对于想要建立自己的智能语音交互系统来说，价格对于一些小型公司来说承受不起，而FreeSitch这种软交换则大大方便了小型公司建立自己的智能语音交互系统。

什么是FreeSwitch？

FreeSitch是一个电话的软交换解决方案，包括一个软电话和软交换机用以提供语音和聊天的产品驱动。FreeSitch 可以用作交换机引擎、PBX、多媒体网关以及多媒体服务器等。支持多种通讯技术标准，包括 SIP, H.323, IAX2 以及 GoogleTalk ，同时也可以方便的与其他开源的PBX系统进行对接。而且具有很强的伸缩性。旨在为音频、视频、文字或任何其他形式的媒体，提供路由和互连 通信协议 。

FreeSwitch 的典型功能

[if !supportLists]·        [endif]在线计费、预付费功能。 

[if !supportLists]·        [endif]电话路由服务器。 

[if !supportLists]·        [endif]语音转码服务器。 

[if !supportLists]·        [endif]支持资源优先权和QoS的服务器。 

[if !supportLists]·        [endif]多点会议服务器。 

[if !supportLists]·        [endif]IVR、语音通知服务器。 

[if !supportLists]·        [endif]VoiceMail服务器。 

[if !supportLists]·        [endif]PBX应用和软交换。 

[if !supportLists]·        [endif]应用层网关。 

[if !supportLists]·        [endif]防火墙/NAT穿越应用。 

[if !supportLists]·        [endif]私有服务器。 

[if !supportLists]·        [endif]SIP网间互联网关。 

[if !supportLists]·        [endif]SBC及安全网关。 

FreeSwitch最典型的功能是作为一个服务器，并用电话客户端软件连接到它。虽然FreeSwitch支持众多的通信协议，但其最主要的协议还是SIP，通过SIP中继发起会话协议。

使用FreeSwitch这种软交换的好处在于，你只需要一台服务器就可以随时搭建自己的外呼中心，而且FreeSwitch支持跨平台运行。能够原生运行Windows、Linux、BSD等诸多32/64位平台。

FreeSwitch内部使用线程模型来处理并发请求，每个连接都在单独的线程中进行处理，不同的线程间通过Mutex互斥访问共享资源，并通过消息和异步事件等方式进行通信。FreeSwitch本身是比较稳定的，它是比较优秀的开源软件。另一方面来讲，FreeSwitch又是比较激进的，它的开发分支里会有大量的新特性加入，因此在测试不全面的情况下，很容易出现不稳定的情况。而在用于生产环境的情况下，系统的稳定性是系统能否正常被使用的关键。之前我们在做项目的过程中，就遇到一些FreeSwitch不稳定的情况，导致外呼情况不理想。举一个例子：我们在进行测试外呼的时候，语音通话断断续续，虽然前端服务平台可以很好的接受到数据的传输，但是，真正在与人工进行沟通的时候，会出现各种各样的沟通障碍，为了解决这一个问题，我们花费了几个月的时间，去研究FreeSwitch的结构特性。终于把这个问题解决掉。我们的项目才得以继续推动，最终得以真正落地部署实施。

也有人可能有疑问：”FreeSwitch软交换虽然重要，但是既然是智能语音交互系统人工智能不重要吗？”，重要，当然重要！容我慢慢道来~

AI 技术

1. 通信原理

先简单解释一下正常打电话这个流程

流程：A→PSTN→B

解释：PSTN是Public

Switched Telephone Network，意思为公共交换电话网络，也就是我们的运营商的网络电话，

那我们平时如何给呼叫中心比如打电话是如何打的？：个人A打电话给呼叫中心1***6 打电话，拨通后听到录音，您好，拨打人工台，请按0键，按键之后，出现盲音，真正接通之后，客服接通了电话。

流程：A→PSTN→PBX→IVR→客服

解释：PBX也叫交换机、相当于整个呼叫中心的出入口

IVR也叫互动/交互式语音应答，语音导航，也就是相当于咨询业务请按键，这一环节，根据业务去分流到客服。

智能语音交互平台（智能机器人）落实到具体具体业务场景是如何实现的：

如：”个人A要在某一个大型酒店预订位子“，

A拨通后先听到了声音，“您好，我是机器人小岳，需要我帮您订位子是吗？

个人A说，“我不要和机器人说话，找个真人来”。

然后听到录音，“为您转接很贵的真人客服，排队中，请稍后”。

几分钟后接通，真人客服接了电话。

流程：A→PSTN→PBX→IVR（TTS→ASR→NLP→TTS）→ACD→客服

解释：在IVR部分：不再需要提示按键，而是直接问来电方需要办理什么业务，然后识别语音、理解意图后，根据用户的需求，回答后转入对应的业务队列排队。

上边是接通的流程，呼出的流程与之相反，就不在赘述了。

2. 现在市场上的AI技术的运用

目前市场上的不管是ASR、TTS、NLP都被阿里百度科大讯飞等巨头公司所占据，这些技术在国内基本已经成为定局。像ASR这类引擎市场上大部分都是用的阿里云和讯飞云的，要不就是百度云。阿里云和讯飞云的识别率高一些，可以达到97%左右、百度的差一些，识别率在80%左右，我们当初在做项目的时候选择ASR做过测试，事实证明阿里云识别率更高同时也可以识别方言。因此，我们在做项目的时候，当仁不让的选择了阿里云的

TTS我们选择的是讯飞的，选择的理由很简单，毕竟科大讯飞是人工智能领域巨头级的公司，质量当然有的保证。

3. AI 能力对接

在具体落地中，这个领域的常规参与者通常具备呼叫中心能力或者AI能力其中一种，而主要的对接点也就在于AI能力与呼叫中心设备去对接，而ASR/TTS与呼叫中心设备对接的常规协议主要是mrcp/sip。

媒体资源控制协议（Media Resource Control

Protocol, MRCP）是一种通讯协议，用于语音服务器向客户端提供各种语音服务(如语音识别和语音合成)。有两个版本的MRCP协议，版本2使用SIP作为控制协议，版本1使用RTSP。

实际对接的时候，会遇到不少技术问题，当我们ASR/TTS引擎做私有云部署，为了避免了内外网穿透时防火墙的诸多设置和语音流的时延。这在我们当时对接的时候也花费了好大一番功夫。

前端服务平台：

其中最重要的就是配置呼叫流程这一块儿了，

这一块儿很容易被忽视，但是这反而是可以出成绩的地方。一般来说一套最佳话术模板，可以以一敌万。心理学基础必须要有，一句话怎么说能让接电话的人最大概率的顺着自己的思路走，达成目的，从而形成特定细分领域机器人话术模板，得到最佳的外呼效果（接通率、通话时长、电销意愿、催收意愿）或者是接通效果（满意度）

其余的基本就是web端的东西了，具体功能点呢，即用户登录、配置呼叫流程，建立呼叫任务、统计呼叫数据、导出呼叫报表，这些功能点基本实现就可以，因为站在产品角度，产品最重要的价值就是可以呼通或者接通用户的电话，并且能够准确的识别用户的意图，并且准确的回答用户。这就是智能语音交互系统的最终目标，也一直是我们的最终目标。

外呼线路厂商：

一般如果是购买系统的话，是给提供线路的，只需交一些线路费用。如果是自己做项目的话，网上、淘宝上一大堆，费用可以谈，也给提供线路对接的接口。

结语

虽然现在市场上做智能语音交互系统的比较多，但一般只限于各个行业的电话销售，真正意义上的智能语音交互还是很少的。原因很简单，虽然原理不是很难但是真正落地实施的时候，遇到的困难非常的多，几乎是一步一个坑。好在现在已经真正的落地实施了，方方面面的效果都还是很不错的。一年多的辛苦没有白费。哈哈~

写这篇文章尝试给大家简单介绍一下智能语音交互系统，然才疏学浅，疏漏和不当之处在所难免，权当给大家抛砖引玉。

诸多细节限于主题和篇幅的要求不做详细记述，如有问题，欢迎随时交流。