「老炮」车音网是如何做车内语音的

早在 20 世纪 90 年代，微软、苹果、IBM 等 IT 公司就掀起了第一波语音浪潮，当时的语音识别还处于需要在手机或设备里面嵌入语音识别芯片的「本地化语音识别」的阶段，当时有一个中国人受到了这场浪潮的影响，他就是现在车音网的创始人 沈康麒。

现在第一波语音浪潮早已平息，无线网络环境也有了质的改善，1999 年的初始创业团队也经过被收购、重新创业，直到 08 年，在对美国安吉星的一次考察后，创立了「车音网」。早期是通过语音识别的方式为车主提供车上半自动化的智能服务。直到现在，车音网 不仅仅在语音识别一个层面，更多的是在 车载人机交互层面 在做技术研发。所以 GeekCar 来到了车音网，和车音网副总裁陆凌涛聊聊关于车载智能语音的看法。

车音网在做什么？

一句话概括，车音网是一家基于语音识别的汽车互联运营商，目前有 320 人的规模，有将近 100 人在做汽车互联项目，应该是汽车垂直领域最早的本土语音识别公司之一。

在 GeekCar 看来车音网更像是车内语音的「老炮」，他们对汽车「系统」的理解更加彻底，目前他们和车厂的合作项目有十几个，这也是他们目前现金流的主要来源。其中包括马自达的语驾、通用的 MyLink2.0 等等前装、准前装项目。车音网从最初的汽车企业 App 端外包开发，向汽车互联平台端的开发转变，平台跟整个车的生命周期关联在一起，从用户买车、到用车。

除了 App 端外还有一个后端服务平台，这个平台除了服务用户外，还服务于汽车厂商、4S 店。给他们提供用户的活跃度、常用的功能、以及用户习惯等数据，通过习惯分析告诉汽车厂商未来应如何通过 4s 店推荐有效服务。在后装市场方面，车音网从 2011 年之后就很少做了，目前只有四、五款自己的产品，今年还会推出一款手机端客户终端产品。

车内语音的问题出在哪儿？

语音识别技术是车音网的看家本事，目前在中国掌握语音识别核心技术的四个人之一，目前就在车音网的新加坡研究院，而且这四位博士生导师带出来的学生大多数也都在这些地方工作。车音网如同之前我们采访过的「虫洞语音」一样，提到了智能语音的更新迭代问题，但他们的态度却十分不同。在车音网的陆凌涛看来，虫洞这样的公司实在太「理想主义」了。

「很多大数据在车内都是伪命题」。

用户在车内的生活和对话是碎片化的，机器或系统智能学习到有限的对话习惯和需求习惯，而无法完整地学习一个人。所以他们的态度是：在车内只要把某件跟用户密切相关的需求做好就可以了。

而对于他们的直接竞争对手，一直坚守和专注语音识别这个堡垒的「科大讯飞」来说，车音网认为目前肯为语音识别买单的车厂和用户太少了，作为技术提供方来说，从车厂赚到的钱是很少，作为上市公司的科大讯飞「赚钱」的方式和公司性质不同的车音网肯定是不同的。对于车厂和语音识别公司的关系来说，目前很多大多数公司只做了「语音识别」这第一件事，而 在「语音识别」和「语义分析」这两件事中间出现了严重的脱节 。比如汽车厂商、TSP 公司、电信运营商等不具备语音识别的技术能力和背景，所以他们对语音识别的理解是不正确的，例如车厂会要求语音识别公司做到语音控制车辆，这在技术上确实可以实现，但确实也没必要这么做。

「车内完全通过语音控制车内设备会把车主搞疯！」

汽车厂商对车内控制类设备的操作方面，已经有了非常好的解决方案，完全没有必要用语音这种在操作上略显「鸡肋」的方案去实现。想象一下，你对着你的车说：「关一下窗户。」汽车反问：「主人你是要关前后左右哪个窗户。」你说：「左前窗。」汽车反问：「主人，你要关到多少程度。」这时候你肯定就疯了，按钮就在你手边，为什么不能按一下呢？！

什么才是对的车内语音解决方案？

「我始终认为在车上用户需要的是简单答案，最好是唯一的。」

在车内，人们对互联网的浏览习惯和在手机 PC 上浏览会有很大不同：在手机或桌面上浏览时，人们是很集中精力的，并且不介意分神。但在车中，用户头脑中无法做出复杂判断和复杂转换，这时就需要「快、准、狠」的结果。一般情况下用户不会去问「世界上蜜蜂有多少」这种查询类的问题，而是会问跟下一段生活有关连的问题，例如餐馆推荐等等。所以车音网认为理想的解决方案就是 根据很多维度，例如现在的位置、过去常去的地方等等，再结合大数据的算法，从浩如烟海的答案中选择一个最适合的给用户推送过去。

当然，也许你会说这不是我想要的答案，那么他们会继续给你推送第二个答案，如果还不是你想要的（好吧，你应该是处女座），那么他们就会给你转接人工服务。这也是陆凌涛一直在强调的：

「多种交互方式的组合才是最佳人机交互方式」

通常在实验室、绝对安全的环境下，用户的所有人机交互都是通畅的、网络也是稳定的。但在 高速行驶，高速切换基站的状况下，3G 网络不稳定，车内噪音大 等，都会影响语音识别的准确度。再比如在紧急状态下，用户没有清晰地逻辑思维，想要冷静清晰地向机器转达他的想法并不现实，所以这个时候转接人工座机似乎就成了一种「应急保障通道」。而且从另一方面说，车主的素质、普通话程度的好坏这些都无法预判。所以「带有人工座机的车内语音」 也是智能语音在车内好的解决方案之一，也是「可被商用」的前提。

说到这儿，陆凌涛表示虽然他们是做语音识别，但他们依然不认为语音识别是万能的。 人脸识别、眼球识别、触控、语音识别这些技术应该用在最合适的地方，并不是一切用语音识别来代替。一些通过大数据、云计算了解并被动发起的 指令（例如提示疲劳、提醒机器故障等） 能给用户带来更好的体验。