智能语音转写行业研究报告（43页）

近年来，我国人工智能产业维持稳步增长态势；其中，智能语音产业基于语音识别等算法模型突破、优质数据集积累和丰富的下游应用场景创新，已进入规模化深耕阶段。我国头部智能语音企业、大型互联网企业等纷纷以“开放平台+垂直赛道”的发展模式，一方面通过语音开放平台为各行业开发者提供智能语音技术支撑，协作场景与产品创新，助力产业规模增长；另一方面凭借各自在消费硬件、协同办公、视频直播等领域的行业理解与用户生态，持续拓展智能车载、娱乐传媒、协同办公、智慧医疗、在线教育、智能家居等垂直行业赛道，以语音为信息的出入口，构建泛语音产业生态集群。2022年中国智能语音产业规模可达215亿元且维持较高增速，预计到2026年产业规模可达469亿元。人类对机器语音识别的探索始于20世纪50年代，迄今已逾70年。2016年，在深度神经网络的帮助下，机器语音识别准确率第一次达到人类水平，意味着智能语音技术落地期到来。后随着近场语音识别准确率提升、远场语音识别和唤醒发展、全双工语音交互出现、基于NLP的对话和问答能力逐渐成熟、知识图谱技术助力对话引擎以及针对实际应用中的算法优化，智能语音技术的落地可用性不断突破。

但其背后涉及的声学研究、模式识别研究、通用NLP研究及垂直场景的深度语义理解等还未成熟到拼成一个没有明显短板的“木桶”。因此尽管部分智能语音产品如语音助手、语音转写、智能客服等已取得了产品价值突破或商业上的显著成就，但在细分产品的交互体验、使用效果、场景优化等方面仍面临长期求索。人们面对“AI”时希望得到的自然、类人、甚至高信息密度的交互体验，仍然是一个宏伟的开放性课题。语音识别产品早期主要是语音听写，即用户说一句、机器识别一句；后来发展成语音转写，更聚焦于人人交流场景。智能语音转写是可以支持长音视频的语音转文字服务，分为实时语音转写与非实时语音转写，可为信息处理和数据挖掘提供基础。适用于线上线下会议记录转写、影视字幕制作、媒体新闻工作、会议翻译等多个应用情境。作为数字化劳动力，解决刚需问题，有效提高办公效率。随着语音识别准确性及效率的提升、多语种与方言转写服务丰富，以及上下文纠正、标点过滤、语气词过滤、自定义热词配置、声纹角色分离、语音内容分析提取等智能化服务功能的逐步优化，智能语音转写服务的商业化落地与多场景复用持续推进，成为语音识别产品的“排头兵”。