2017年是AI彩電產品的元年——所謂AI彩電就是一種新的、能聽懂大家的語言， 執行語言命令， 甚至可以和大家自由對話的電視機產品。 統計資料表明， 2017年新上市彩電機型中， 近四分之一配備了語音智慧功能。
2018年初， 語音智慧AI電視進一步升級。 業內預計， 2018年新發佈的彩電產品配備AI語音技術的比例， 將迅速上升到8成以上， 即除了少數主打低價格的產品外， 大部分新品都將成為智慧電視。 智慧語音正在進入一個快速發展的“新階段”。
消費電子產品， 語音技術成為標配
1月29日， 作為小米電視2018年推出的第二款新品——小米盒子4正式發佈，
智慧語音技術的另一個新消費類產品是“智慧音箱”。 2018年CES展會， 百度系展示了3款智慧音箱產品。 該產品還是三星、蘋果、穀歌等國際巨頭的必爭之地。 國內市場， 天貓系也在2017年中推出了智慧音箱產品。 目前， 智慧音箱產業開拓最好的是美國市場：在美國， 2017年有近六分之一的人（超過5000萬）擁有智慧音箱， 這個數字比16年翻了一倍還多。
從國內市場看， 智慧語音盒子、智慧語音音箱和智慧語音電視已經構成家庭和個人消費“智慧語音”應用的三大平臺。 且每一個品類的潛在市場規模都是“千萬台”的。 但是， 這三個品類與智慧語音應用的王者：智能手機比較， 銷量真的有點“小”。 手機產品應用語音輸入、語音操作等技術已經很久了。
除了以上消費電子設備外， 家電行業還看好“空調”的語音智慧化、抽油煙機的聲音感知與油煙感知的自動運行等“家電嵌入智慧”技術的發展。 有空調屆人士表示， 語音控制的空調產品和環境自動感知技術結合， 能帶來更好的操作體驗、更好地無操作自動環境控制體驗和避免空轉的節能效果。
作為人類最重要的溝通方式， 語音技術的發展顯然已經成為消費電子產業重要的創新環。 彩電產品語音化更是成為重要行業趨勢， 並快速邁向普及。
語音智慧很神奇， 如何做到真好用
很多人覺得， 智慧電視語音技術就是“多安裝一個軟體”。
實現語音交互， 首先需要為設備配備“麥克風”， 也就是“拾音”產品。 與我們一般的會議講話、KTV娛樂的麥克風不同， 智慧語音電視機的麥克風必須具有三個技術特徵。 第一是， 遠場效果好。 即至少在5米遠， 能夠準確識別日常對話， 甚至識別壓低聲音但清晰的對話。 這與手機、KTV、直播、會議室麥克風“對著嘴”的應用截然不同。
第二， 智慧語音技術麥克風必須是“全向拾音”。 由於語音交流不是“嘴對著麥克風吹”， 也就導致交流人員與麥克風等設備的“角度關係”千差萬別。 比如一個智慧音箱， 擺放在茶几上， 那麼他就需要對360度方位內的聲音都能很好識別。 因此， 智慧語音產品通常採用一個“多麥耦合”陣列，
第三， 智慧語音技術的麥克風必須有很高的“信噪比”。 即要能夠對抗多種雜訊的干擾。 遠場和全向拾音， 進一步增加了對麥克風信噪比的考驗。
但是， 對於智慧語音設備而言， 其最大的技術要求顯然不在“苛刻的拾音技術上”， 而在於“語音到語意”的理解上。智慧語音設備的目的是理解對方的具體意思。這與傳統的會議、KTV、電話等場景，麥克風和語音系統只負責“原樣搬運聲音”的工作完全不同。
識別語音的含義，有哪些難關呢？比如，要從多人語音，尤其是居家環境下的多人對話、對正在播放的視聽內容的聲音中有效區分“和誰對話、誰在對話”。這就涉及一種稱為聲紋的身份識別和認證技術（類似於指紋識別、人臉識別等的功用）。再比如，不是每個人都是“新聞聯播”式的標準普通話應用者：口音、方言、口頭禪，這些的處理具有很大的“個人性”、“差異性”。這需要智慧語音系統能夠學習和升級自己，適應“主人”的語言特徵。後者涉及到機器學習等高級智慧技術。
當然，智慧語音技術的電視機，不是“一個人在戰鬥”，這種電視機首先是一種“網路電視機”。即，語音技術可以從網路上得到更強大的“支持”。包括，智慧程式和演算法的升級、個人語言特徵和習慣的遠端存取和使用、遠端雲計算提供更為強大的演算法和理解計算力支撐，支持更多的“潛在應用”開發等等。
綜上所述，AI語音電視的升級，不是簡單增加一個軟體而已。而且隨著語音和人工智慧技術的進一步發展，引入專門的智慧輔助處理器、神經元處理器、改變傳統產品的底層架構是大勢所趨。語音技術和彩電產品的整合，將是一個系統性的產品技術體系革新。
有了AI語音，彩電能做什麼
彩電和其它消費電子、家電企業在AI語音技術上的熱情，足以說明這一技術進步的“戰略性”和“重要意義”。
就目前而言，彩電AI語音功能更多的是扮演了“遙控器”的替代者的角色。很多時候找遙控器、遙控器摔壞、遙控器沒電是“很惱人”的事情。彩電行業一直在嘗試尋找“遙控器替代者”。早期，曾經發展過肢體語言和隔空觸控的技術。但是，這種技術體驗精度、交互廣泛性並不友好，沒有成為主流。
而採用語音技術的產品，不僅可以直接呼喚彩電功能表、電視臺和電視網路中節目功能表的內容，也可以實現文字輸入、直接查詢網路上的以文字資訊為索引的“非標準功能表”內容。或者說，語音技術不僅“替代了遙控器的所有功能”，而且還“創造出遙控器不擅長的（例如文字輸入）和不存在的（語音對話）等功能”。
從未來發展看，語音智慧技術會為彩電產品打開一些嶄新的應用場景。傳統彩電的作用主要是視頻娛樂——即內容始終是單向傳輸的。但是，語音技術可以讓彩電成為一個“關鍵節點”。作為一個語音交互和資訊處理器，彩電可以成為其他智慧家居產品的“中控大腦”。作為一個連接雲系統的輸入終端，彩電可以依賴背後更強大的計算與知識能量，與“觀眾對話、拉家常”，甚至實現更多的主動行為功能、大量互聯網應用的入口與介面……
某種意義上，智慧語音技術的彩電只是彩電真正進入“人機智能”時代的一個視窗。以此為線索，涉及的是整個家居、生活、家庭和個人“智慧應用”的體系網路；以及這個網路背後所依賴的雲存儲、計算和知識體系。彩電企業高度看中AI電視的發展，恰是因為語音電視背後巨大的“潛在可能”。
甚至，語音語意技術的創新已經成為一項重要的國家戰略。2017年12月，工業和資訊化部印發了《促進新一代人工智慧產業發展三年行動計畫（2018-2020年）》的通知。其中就提到，“支持新一代語音辨識框架、口語化語音辨識、個性化語音辨識、智慧對話、音視頻融合、語音合成等技術的創新應用”。“2020年，實現多場景下中文語音辨識平均準確率達到96%，5米遠場識別率超過92%，使用者對話意圖識別準確率超過90%”；“多語種智慧互譯取得明顯突破，中譯英、英譯中場景下產品的翻譯準確率超過85%”；“智慧電視市場滲透率達到90%以上等重要目標和要求”。
2010年開始的智慧電視革命，讓電視上網成為一種流行和主要體驗方式；現在智慧革命進入第二階段“人機智能”正在以語音交互為最初的鑰匙，打開彩電業的未來之門。
而在於“語音到語意”的理解上。智慧語音設備的目的是理解對方的具體意思。這與傳統的會議、KTV、電話等場景，麥克風和語音系統只負責“原樣搬運聲音”的工作完全不同。識別語音的含義，有哪些難關呢？比如，要從多人語音，尤其是居家環境下的多人對話、對正在播放的視聽內容的聲音中有效區分“和誰對話、誰在對話”。這就涉及一種稱為聲紋的身份識別和認證技術（類似於指紋識別、人臉識別等的功用）。再比如，不是每個人都是“新聞聯播”式的標準普通話應用者：口音、方言、口頭禪，這些的處理具有很大的“個人性”、“差異性”。這需要智慧語音系統能夠學習和升級自己，適應“主人”的語言特徵。後者涉及到機器學習等高級智慧技術。
當然，智慧語音技術的電視機，不是“一個人在戰鬥”，這種電視機首先是一種“網路電視機”。即，語音技術可以從網路上得到更強大的“支持”。包括，智慧程式和演算法的升級、個人語言特徵和習慣的遠端存取和使用、遠端雲計算提供更為強大的演算法和理解計算力支撐，支持更多的“潛在應用”開發等等。
綜上所述，AI語音電視的升級，不是簡單增加一個軟體而已。而且隨著語音和人工智慧技術的進一步發展，引入專門的智慧輔助處理器、神經元處理器、改變傳統產品的底層架構是大勢所趨。語音技術和彩電產品的整合，將是一個系統性的產品技術體系革新。
有了AI語音，彩電能做什麼
彩電和其它消費電子、家電企業在AI語音技術上的熱情，足以說明這一技術進步的“戰略性”和“重要意義”。
就目前而言，彩電AI語音功能更多的是扮演了“遙控器”的替代者的角色。很多時候找遙控器、遙控器摔壞、遙控器沒電是“很惱人”的事情。彩電行業一直在嘗試尋找“遙控器替代者”。早期，曾經發展過肢體語言和隔空觸控的技術。但是，這種技術體驗精度、交互廣泛性並不友好，沒有成為主流。
而採用語音技術的產品，不僅可以直接呼喚彩電功能表、電視臺和電視網路中節目功能表的內容，也可以實現文字輸入、直接查詢網路上的以文字資訊為索引的“非標準功能表”內容。或者說，語音技術不僅“替代了遙控器的所有功能”，而且還“創造出遙控器不擅長的（例如文字輸入）和不存在的（語音對話）等功能”。
從未來發展看，語音智慧技術會為彩電產品打開一些嶄新的應用場景。傳統彩電的作用主要是視頻娛樂——即內容始終是單向傳輸的。但是，語音技術可以讓彩電成為一個“關鍵節點”。作為一個語音交互和資訊處理器，彩電可以成為其他智慧家居產品的“中控大腦”。作為一個連接雲系統的輸入終端，彩電可以依賴背後更強大的計算與知識能量，與“觀眾對話、拉家常”，甚至實現更多的主動行為功能、大量互聯網應用的入口與介面……
某種意義上，智慧語音技術的彩電只是彩電真正進入“人機智能”時代的一個視窗。以此為線索，涉及的是整個家居、生活、家庭和個人“智慧應用”的體系網路；以及這個網路背後所依賴的雲存儲、計算和知識體系。彩電企業高度看中AI電視的發展，恰是因為語音電視背後巨大的“潛在可能”。
甚至，語音語意技術的創新已經成為一項重要的國家戰略。2017年12月，工業和資訊化部印發了《促進新一代人工智慧產業發展三年行動計畫（2018-2020年）》的通知。其中就提到，“支持新一代語音辨識框架、口語化語音辨識、個性化語音辨識、智慧對話、音視頻融合、語音合成等技術的創新應用”。“2020年，實現多場景下中文語音辨識平均準確率達到96%，5米遠場識別率超過92%，使用者對話意圖識別準確率超過90%”；“多語種智慧互譯取得明顯突破，中譯英、英譯中場景下產品的翻譯準確率超過85%”；“智慧電視市場滲透率達到90%以上等重要目標和要求”。
2010年開始的智慧電視革命，讓電視上網成為一種流行和主要體驗方式；現在智慧革命進入第二階段“人機智能”正在以語音交互為最初的鑰匙，打開彩電業的未來之門。