眼下，怕是互聯(lián)網(wǎng)最糾結(jié)的時(shí)刻：智能手機(jī)帶來(lái)的人口紅利將盡，仿佛所有人們?nèi)粘Ｉ钪性撚械膽?yīng)用都已經(jīng)被開(kāi)發(fā)出來(lái)、用戶(hù)們也同時(shí)失去了嘗試新鮮產(chǎn)品的動(dòng)力；與此同時(shí)，向線(xiàn)下的突進(jìn)因?yàn)檫^(guò)重?zé)X(qián)、沒(méi)有護(hù)城河的模式和諱莫如深看不懂的體制深水紛紛受阻，互聯(lián)網(wǎng)+了半天還是湊不上去；本來(lái)年初VR給諸位打了不少雞血、仿佛商用指日可待，但現(xiàn)在看來(lái)目前的終端tooyoung、恐怕至多也才剛剛達(dá)到“塞班的階段”；而最近一直在提的內(nèi)容、直播、網(wǎng)紅等伴隨著政策的收緊、大平臺(tái)制霸和數(shù)據(jù)造假的曝光，看起來(lái)越來(lái)越不像是真正的風(fēng)口……除去以上的種種，一場(chǎng)資本寒冬讓投資機(jī)構(gòu)們徹底懵逼了，失去了往日的格局和耐心，歸根結(jié)底：快沒(méi)錢(qián)了。

那么問(wèn)題來(lái)了，下一個(gè)機(jī)會(huì)在哪里呢？

恰在此時(shí)，互聯(lián)網(wǎng)女皇來(lái)了，最新的年度趨勢(shì)報(bào)告十分之一的篇幅給了“語(yǔ)音”。女皇陛下是這么說(shuō)的：語(yǔ)音正在被重塑，成為人機(jī)交互的新范式，在過(guò)去75年里，每10年就有一次人機(jī)交互的重大革新，人類(lèi)對(duì)機(jī)器的操作，從物理手柄按鍵，到物理鍵盤(pán)鼠標(biāo)，再到觸摸屏，而現(xiàn)在語(yǔ)音成為了重要的交互方式。她的案例是Amazon的硬件：Echo。其內(nèi)置了AmazonAlexa語(yǔ)音助手，目標(biāo)是占領(lǐng)家居、汽車(chē)、手機(jī)的麥克風(fēng)，還能智能購(gòu)物。這款產(chǎn)品銷(xiāo)量已突破400萬(wàn)臺(tái)。女皇更是大膽指出：語(yǔ)音拐點(diǎn)已經(jīng)到來(lái)，在2015年智能手機(jī)銷(xiāo)量下滑之后，Echo銷(xiāo)量或?qū)Ⅱv飛。（以上引自《超過(guò)十分之一的篇幅給語(yǔ)音，互聯(lián)網(wǎng)女皇為何看好麥克風(fēng)？》）

遙相呼應(yīng)，最新一屆蘋(píng)果全球開(kāi)發(fā)者大會(huì)WWDC上，庫(kù)克也放言將逐步向第三方開(kāi)發(fā)者開(kāi)放Siri，如果這一切不是“講故事”的話(huà)，不出意料我們將看到iPhone上出現(xiàn)更多的聲控APP。與此同時(shí)，谷歌公司也提出了雄心勃勃的GoogleHome計(jì)劃，利用語(yǔ)音和自然語(yǔ)言查詢(xún)技術(shù)的結(jié)合侵入用戶(hù)的客廳。

那么問(wèn)題又來(lái)了，對(duì)于中國(guó)市場(chǎng)而言，語(yǔ)音會(huì)是新的機(jī)會(huì)嗎？聲控交互會(huì)成為VR到來(lái)前大熱的交互模式嗎？中國(guó)的訊飛和喜馬拉雅們會(huì)一路插上翅膀開(kāi)始騰飛嗎？

在此，菜狗必須先潑一潑冷水，我最痛恨的莫過(guò)于照搬西方、哄抬賽道的路數(shù)打法，就像過(guò)去在文章中寫(xiě)過(guò)的那樣，中國(guó)版的instagram、中國(guó)版的Snapchat、中國(guó)版的……這些故事后來(lái)呢？所以如果今天是在這里放言要有一個(gè)中國(guó)版的Echo，那就是我自抽耳光、忽悠大家。但是，盡管我們不能照搬照抄西方流行的產(chǎn)品模式，卻完全可以分析他背后的東西——需求、心理和社會(huì)趨勢(shì)：Snapchat的崛起印證了IM的高頻（臉書(shū)你反應(yīng)慢了給了機(jī)會(huì)，但騰訊不會(huì)）、社交壓力帶來(lái)的發(fā)布反悔（騰訊有微信消息可撤回）、年輕人尋求沒(méi)有父母的個(gè)性空間（騰訊有QQ空間）。

所以，不論有沒(méi)有人會(huì)去copytochina，這背后有一個(gè)話(huà)題非常值得探討：聲控交互的商業(yè)價(jià)值有多大？以語(yǔ)音信息和交互為主打的平臺(tái)，將有怎樣的市場(chǎng)潛力？

一、當(dāng)下的語(yǔ)音行業(yè)怎么了？

有人要說(shuō)，這回你外行了，語(yǔ)音的故事早就被我們玩爛了，結(jié)果也就那樣。確實(shí)，印象中從許朝軍做啪啪的那一天開(kāi)始，移動(dòng)互聯(lián)網(wǎng)似乎就已經(jīng)進(jìn)入了“語(yǔ)音時(shí)代”，然并卵。

1、工具領(lǐng)域，科大訊飛強(qiáng)大的語(yǔ)音喚醒、識(shí)別、輸入和交互技術(shù)從實(shí)驗(yàn)室走上前臺(tái)，領(lǐng)先是領(lǐng)先，但似乎并沒(méi)有得到太多的應(yīng)用，讓人印象最深刻的恐怕就是訊飛輸入法和最近非常文藝好用的語(yǔ)記平臺(tái)，問(wèn)題不在于訊飛有沒(méi)有成為中國(guó)的Siri（漢語(yǔ)領(lǐng)域肯定強(qiáng)于Siri），問(wèn)題在于即便Siri也遠(yuǎn)遠(yuǎn)沒(méi)有達(dá)到預(yù)期的效果、成為人們主流的交互方式，只是一個(gè)可有可無(wú)的玩具。

2、社交領(lǐng)域，涌現(xiàn)出唱吧、啪啪、抬杠、陪我、比鄰、偶爾、派派等一批語(yǔ)音社交平臺(tái)，然而幾年下來(lái)誰(shuí)也沒(méi)有真正達(dá)到“社交平臺(tái)”的標(biāo)準(zhǔn)和要求。啪啪們的圖片加語(yǔ)音成了一種錦上添花的存在，遠(yuǎn)遠(yuǎn)沒(méi)有達(dá)到高頻剛需的狀態(tài)，更何況其閱讀成本奇高，遠(yuǎn)遠(yuǎn)不能和立刻一目了然的圖片視頻相比；更多的平臺(tái)成了當(dāng)年的168聲訊臺(tái)、色情熱線(xiàn)，或者當(dāng)年的碧海銀沙聊天室；即便在主流的微信平臺(tái)上，動(dòng)不動(dòng)發(fā)語(yǔ)音的人、一發(fā)發(fā)一串的人也常常變成不受人們待見(jiàn)的存在。唯一做得好的可能就是唱吧，因?yàn)槌狵這樣一種生活中常見(jiàn)的社交模式真的只能靠語(yǔ)音。

3、內(nèi)容領(lǐng)域，這可能是目前唯一可圈可點(diǎn)的區(qū)域，喜馬拉雅、echo、聽(tīng)書(shū)、得到們從不同的角度切入，通過(guò)基于語(yǔ)音的媒體內(nèi)容吸引了一票擁孬：比如根據(jù)易觀智庫(kù)的《中國(guó)移動(dòng)電臺(tái)市場(chǎng)年度綜合報(bào)告2016》，作為行業(yè)領(lǐng)跑的喜馬拉雅，其日活用戶(hù)滲透率已經(jīng)高達(dá)74.3%，這么好的DAU數(shù)據(jù)即便放在整個(gè)移動(dòng)互聯(lián)網(wǎng)領(lǐng)域也是不多見(jiàn)的，而最近這家平臺(tái)剛剛通過(guò)售賣(mài)奇葩說(shuō)老僵尸們的《好好說(shuō)話(huà)》語(yǔ)音節(jié)目賺得盆滿(mǎn)缽滿(mǎn)。

那么這里就有一個(gè)問(wèn)題，為什么唯一做起來(lái)的是語(yǔ)音內(nèi)容呢？同時(shí)，在內(nèi)容生態(tài)領(lǐng)域最強(qiáng)的莫過(guò)于“兩微一端”（微信、微博、新聞客戶(hù)端），主打語(yǔ)音的內(nèi)容平臺(tái)能做成那樣的體量嗎？以后有一天人們會(huì)說(shuō)“兩微一端一電臺(tái)”嗎？

二、當(dāng)前語(yǔ)音的癥結(jié)在哪里？

有人又要說(shuō)，語(yǔ)音的內(nèi)容還不錯(cuò)埃但遠(yuǎn)遠(yuǎn)沒(méi)有到離不開(kāi)的地步吧？而且語(yǔ)音這東西，太麻煩！是的，就是這個(gè)“太麻煩”嚴(yán)重制約了語(yǔ)音的發(fā)展。

（一）語(yǔ)音識(shí)別交互領(lǐng)域，聲音一直沒(méi)有多少存在感

1、相關(guān)的技術(shù)要求太高。中國(guó)人說(shuō)話(huà)遠(yuǎn)不像老外那樣一個(gè)單詞一個(gè)意思，而且各地的口音又完全不同，所以語(yǔ)音的識(shí)別、喚醒、輸入、交互都是問(wèn)題，當(dāng)然強(qiáng)如科大訊飛已經(jīng)可以破譯粵語(yǔ)、上海話(huà)、四川話(huà)了，但是還會(huì)有后面的問(wèn)題。

2、使用場(chǎng)景有限。視覺(jué)和觸覺(jué)的交互隨時(shí)隨地都可進(jìn)行，只要你低頭悄悄打開(kāi)手機(jī)就行了，但是語(yǔ)音呢，嘈雜的地方不行，人多的地方也不行，甚至晚上一個(gè)人了、對(duì)著冷冰冰的機(jī)器說(shuō)話(huà)，也會(huì)有太裝太怪的感覺(jué)。

3、交互模式不自然。不論是Siri的長(zhǎng)按喚醒，還是傻乎乎地“嘿Siri”，感覺(jué)都比較違和，當(dāng)你看著屏幕上Siri正處于“傾聽(tīng)錄音”狀態(tài)，心一下子就緊繃了，生怕說(shuō)錯(cuò)或者說(shuō)得不及時(shí)，說(shuō)完以后機(jī)器開(kāi)始識(shí)別了，你看著進(jìn)度條又莫名其妙地焦慮不安起來(lái)、它能不能聽(tīng)懂呢，會(huì)不會(huì)聽(tīng)錯(cuò)呢？結(jié)果識(shí)別出來(lái)，果然是錯(cuò)的，日了狗了……

4、應(yīng)用生態(tài)遠(yuǎn)未形成。盡管訊飛們已經(jīng)開(kāi)始開(kāi)放語(yǔ)音功能和接口，但市面上并沒(méi)有出現(xiàn)很多的聲控交互應(yīng)用，特別是——沒(méi)有出現(xiàn)有影響力的第三方應(yīng)用。

（二）語(yǔ)音終端遠(yuǎn)未成型

能夠大規(guī)模商用的中國(guó)版Echo還沒(méi)有出現(xiàn)，即便非常厲害的可能也市場(chǎng)影響有限，養(yǎng)在深閨人不識(shí)吧。

（三）語(yǔ)音內(nèi)容成本過(guò)高

1、信息獲取成本過(guò)高。看文字可以一目十行，看圖片可以盡收眼底，看視頻基本3秒內(nèi)就可以判斷值不值得看下去。但是語(yǔ)音完全不是這樣，你聽(tīng)一段語(yǔ)音（如果不是歌聲），往往得聽(tīng)三分之一以上才能判斷是否值得聽(tīng)，而這個(gè)過(guò)程是漫長(zhǎng)的、聽(tīng)的時(shí)候還動(dòng)不動(dòng)走神、左耳朵進(jìn)右耳朵出，如果再加上漫長(zhǎng)的前奏簡(jiǎn)直令人抓狂。這還只是一段語(yǔ)音，如果我又在很多語(yǔ)音中來(lái)回播放暫停選擇想聽(tīng)的內(nèi)容呢？這個(gè)過(guò)程簡(jiǎn)直繁瑣得崩潰了！

2、使用場(chǎng)景有限。一樣的道理，文字圖片可以在任何地方看吧，但是語(yǔ)音呢？

3、差異化價(jià)值“貌似”不高。既然都能看文字解決，為何要用語(yǔ)音呢，難道就是為了主播磁性的嗓音？如果是為了這些感性的體驗(yàn)，視頻是不是更好一些呢？

這樣看起來(lái)，好像語(yǔ)音一無(wú)是處，可真的是這樣嗎？解決幾個(gè)癥結(jié)就好了。

三、語(yǔ)音的核心價(jià)值和競(jìng)爭(zhēng)力

回到開(kāi)頭，我們來(lái)看Echo這個(gè)產(chǎn)品。它和Siri最大的不同在于：這是一個(gè)純粹通過(guò)語(yǔ)音、完全不需要屏幕的產(chǎn)品，看起來(lái)就像一臺(tái)音響，用起來(lái)就像和人對(duì)話(huà)一樣。進(jìn)一步說(shuō)，它解放了人們的眼睛和雙手，你可以一邊做別的事情，一邊用語(yǔ)音和它交互。

這樣一說(shuō)就清楚了，歸根結(jié)底，Siri和訊飛們并不是純粹的聲控交互產(chǎn)品，他們頂多只能算半聲控交互產(chǎn)品，因?yàn)閺膯拘阉麄兊脚袛嗾Z(yǔ)音輸入準(zhǔn)確與否到最終的結(jié)果顯現(xiàn)，你幾乎都要用到眼睛和手，聲控交互的核心價(jià)值“解放眼和手、不再低頭族”完全得不到顯現(xiàn)。換句話(huà)說(shuō)，他們都是視觸覺(jué)交互的補(bǔ)充而已，所以本身就錦上添花、可有可無(wú)。

你用Siri打開(kāi)微信，比自己親手打開(kāi)能方便多少呢？你用語(yǔ)音輸入法輸入一段話(huà)，錯(cuò)了還得回刪，這真的比打字輸入更方便嗎？

但是Echo展現(xiàn)出的是純粹聲控交互完全不同的價(jià)值，并且這幾乎是一個(gè)“高頻剛需”。

1、抓住了不適宜使用手和眼睛的人群。比如中老年人、殘疾人、不擅長(zhǎng)打字輸入的人群，除非有一天人類(lèi)技術(shù)發(fā)達(dá)到腦波交互，否則語(yǔ)音都是最適合他們的交互模式。

2、抓住了不方便使用手和眼睛的場(chǎng)景。這就是我們常說(shuō)的“低頭族場(chǎng)景”，走在路上、正在開(kāi)車(chē)、晚上睡前、保護(hù)視力。由于以往的聲控交互產(chǎn)品做得太差，中國(guó)人以強(qiáng)大的適應(yīng)能力，練就了在這些場(chǎng)景“眼疾手快、目不離機(jī)”的超能力，哪怕視力下降、頭昏眼花、低頭撞人也在所不惜。但是試想一下，如果聲控交互真的做上去了，語(yǔ)音真的成了喬布斯口中的“自然延伸”，他們還會(huì)這樣嗎？

3、創(chuàng)造了全新的伴隨式場(chǎng)景。小的時(shí)候，我們?yōu)楹卧缟掀饋?lái)會(huì)聽(tīng)收音機(jī)，因?yàn)榭梢赃吢?tīng)邊做其他事情，一心兩用。對(duì)，就是這個(gè)一心兩用！今天我們?yōu)楹螘?huì)一邊跑步一邊開(kāi)車(chē)一邊聽(tīng)喜馬拉雅——像筆者年初一邊在虹橋火車(chē)站辦手續(xù)一邊在喜馬拉雅聽(tīng)羅胖的跨年演說(shuō)、一邊熱淚盈眶……這都是一心兩用呀！簡(jiǎn)言之，聲控交互解放了人的手和眼，不僅在不適宜使用眼手的“低頭族場(chǎng)景”，更在其他豐富的時(shí)刻。通過(guò)聲控交互，你可以邊聽(tīng)邊說(shuō)，一邊干其他事情，這種一心多用的方便效率是不可抵御的。本來(lái)這些事，你要不停切換APP來(lái)完成，或者放下手機(jī)、把視線(xiàn)移到別的地方，但是現(xiàn)在完全可以并行不悖、同步推進(jìn)了。

4、語(yǔ)音有其獨(dú)有的魅力。Echo首先是音響，可以播放音樂(lè)。而在人與人的溝通中，影響最大的是身體語(yǔ)言帶來(lái)的氣場(chǎng)（可惜隔了手機(jī)屏幕就完全體現(xiàn)不出來(lái)了），其次就是聲音（音調(diào)音色節(jié)奏），最后才是內(nèi)容。從這個(gè)角度說(shuō)，語(yǔ)音的成本確實(shí)比文字高，卻遠(yuǎn)比文字“有溫度”，黃執(zhí)中的辯詞如果打成文字你未必讀得下去，但只要他魔鬼般的嗓音響起，你立刻覺(jué)得他什么都是對(duì)的了；語(yǔ)音確實(shí)沒(méi)有視頻一目了然，但成本卻遠(yuǎn)比視頻要低，你不需要打瘦臉針玻尿酸弄出一張網(wǎng)紅臉，因?yàn)楫?dāng)你的聲音響起，沒(méi)有人在意發(fā)聲的人有沒(méi)有羅胖帥。這也是為什么最近大火的分答會(huì)用語(yǔ)音，一來(lái)“盜版”成本高一點(diǎn)，二來(lái)聽(tīng)到名人真實(shí)的聲音、這滿(mǎn)足感是不同的。

四、全新的機(jī)會(huì)，聲控領(lǐng)域的BAT

BAT？有人要說(shuō)了，你這不是在拉大旗做虎皮嗎，說(shuō)到底還是忽悠我們開(kāi)發(fā)中國(guó)版的Echo呀。

恰恰相反，我并不認(rèn)為Echo是創(chuàng)業(yè)者們最好的選擇，但是“基于純聲控交互”的APP卻可以成為一個(gè)機(jī)會(huì)，關(guān)鍵在于訊飛和喜馬拉雅們能不能迅速“醒轉(zhuǎn)”，構(gòu)建出一個(gè)對(duì)第三方更加友好的生態(tài)。

什么是基于“純聲控交互”的APP，說(shuō)白了就是整個(gè)APP的使用過(guò)程都完全不需要通過(guò)屏幕觸摸、不需要?jiǎng)佑醚劬碗p手，最好連喚醒他們都可以用語(yǔ)音。這樣的APP一旦出現(xiàn)，我們就根本不需要購(gòu)買(mǎi)Echo，因?yàn)槭謾C(jī)就是個(gè)簡(jiǎn)易版的Echo了，我把手機(jī)放在一邊，一邊做別的事情，一邊就可以使用聲控交互了。如果你使用與聲控系統(tǒng)匹配的專(zhuān)用耳麥，如果這個(gè)耳麥可以隨時(shí)響應(yīng)、識(shí)別你微小的聲音（在人群中大聲很傻比），那么耳麥就是Echo，就是手機(jī)之后真正的可穿戴智能硬件，比手表之類(lèi)強(qiáng)多了。

基于目前已經(jīng)研發(fā)出的漢語(yǔ)語(yǔ)音識(shí)別喚醒技術(shù)，訊飛完全具備這樣的能力，但是成果多半在實(shí)驗(yàn)室里睡大覺(jué)。如果能早一步開(kāi)放出來(lái)，如果能搞好與蘋(píng)果安卓廠商們的合作不被“雪藏”，那么接下來(lái)的勢(shì)能是非?？膳碌?。

在筆者看來(lái)，一旦聲控交互成熟了，接下來(lái)在這五個(gè)區(qū)域有明顯的機(jī)會(huì)：

1、新一代的語(yǔ)音助理，各個(gè)聲控應(yīng)用的統(tǒng)一調(diào)用入口

這是訊飛和Siri們的機(jī)會(huì)，喜馬拉雅這樣的高活躍產(chǎn)品也可以向此進(jìn)擊。簡(jiǎn)言之就是聲控版的appstore、應(yīng)用寶。只要這個(gè)入口處于開(kāi)啟狀態(tài)，就可以隨時(shí)通過(guò)語(yǔ)音對(duì)話(huà)的方式調(diào)用各個(gè)聲控應(yīng)用，而不需要打開(kāi)屏幕用眼睛找到那個(gè)應(yīng)用再點(diǎn)開(kāi)——這就是軟件版的Echo。他的喚起和使用都應(yīng)該是毫不費(fèi)力、自然而然的，不要像Siri那樣喊起來(lái)用力、用起來(lái)發(fā)急?？梢韵胂?，這個(gè)平臺(tái)會(huì)是未來(lái)聲控交互的入口，是整個(gè)聲控應(yīng)用生態(tài)的命脈。

2、聲控類(lèi)的工具

在子不語(yǔ)的《下一代交互革命是語(yǔ)音：VoiceInVoiceOut》一文中，描述了這樣的場(chǎng)景：你可以和她交談，她可以幫你控制關(guān)于房子的一切，燈光、溫度、微波爐、冰箱……Echo已經(jīng)能做到什么了呢？播放音樂(lè)、創(chuàng)建提醒、播報(bào)新聞自然不在話(huà)下，Echo還能根據(jù)你在亞馬遜上的購(gòu)物記錄，智能地幫你下單。甚至，借助于前面提到的Skills，已經(jīng)有人用Echo控制了家中的幾乎所有電器：燈光、溫控、電視機(jī)、AppleTV、安保監(jiān)控、熱水壺、車(chē)庫(kù)……當(dāng)然，這里就涉及到智能家居組網(wǎng)、車(chē)聯(lián)網(wǎng)等問(wèn)題，后面會(huì)提到。

3、聲控類(lèi)的社交

a、熟人通訊方面，我們應(yīng)該都見(jiàn)過(guò)這樣的場(chǎng)景，出租車(chē)上司機(jī)們通過(guò)對(duì)講平臺(tái)互相勾兌、插科打諢。路上匆忙的低頭族，很多都在回微信，而如果通過(guò)聲控交互構(gòu)建一個(gè)對(duì)講平臺(tái)，這個(gè)體驗(yàn)就完全不一樣了，你不需要用眼和手也可以隨時(shí)給某某捎去一段話(huà)，別人給你發(fā)來(lái)語(yǔ)音、聲控交互會(huì)提示你是否接聽(tīng)，而如果這個(gè)交互可以通過(guò)耳麥自動(dòng)識(shí)別微小的語(yǔ)音（并根據(jù)接聽(tīng)者情況適度放大），那么以后走在路上就可以輕松而不違和地與人通話(huà)了，這個(gè)事情的意義在于將從另一個(gè)角度接管用戶(hù)的關(guān)系鏈，形成大網(wǎng)優(yōu)勢(shì)。

b、陌生人社交方面，當(dāng)下社交產(chǎn)品最大的痛點(diǎn)就是社交質(zhì)量差、低效社交多、效率遠(yuǎn)遠(yuǎn)趕不上用戶(hù)預(yù)期，一個(gè)突出表現(xiàn)就是搭訕無(wú)人理睬、理睬也在若干小時(shí)之后（所以人們?yōu)楹蜗矚g直播，因?yàn)槊琅鞑ブ辽贂?huì)說(shuō)謝謝反饋下），但是語(yǔ)音溝通是一個(gè)更加強(qiáng)調(diào)即時(shí)性和真實(shí)性的場(chǎng)景，又不像視頻那么需要“化妝和端著”，所以反而可能成為新的突破口。至于當(dāng)下的語(yǔ)音社交平臺(tái)為何多數(shù)做的不好，因?yàn)樘裆槁曈嵟_(tái)了！到底應(yīng)該怎么做，筆者后頭的產(chǎn)品會(huì)做出回答。

4、語(yǔ)音類(lèi)的內(nèi)容

前面已經(jīng)說(shuō)過(guò)，語(yǔ)音內(nèi)容是目前做的最好的區(qū)塊，那么接下來(lái)的重點(diǎn)是：

a、改善交互?，F(xiàn)在的模式是打開(kāi)列表、看標(biāo)題內(nèi)容簡(jiǎn)介、點(diǎn)播放鍵、再點(diǎn)暫停鍵、再看列表，這個(gè)過(guò)程太累了。但是試想一下，為什么我們小時(shí)候調(diào)收音機(jī)換臺(tái)不會(huì)這么累呢？為什么我們走在人群中偷聽(tīng)不同人的對(duì)話(huà)不會(huì)這么累呢？因?yàn)檫@都是步驟更少、更加自然而然地交互，實(shí)際上美國(guó)已經(jīng)有一款非常厲害的可視化語(yǔ)音應(yīng)用解決了交互成本問(wèn)題，是什么先不表。

b、興趣推薦。如果選擇值得一聽(tīng)的語(yǔ)音節(jié)目成本如此之高，那么一個(gè)比較好的辦法就是基于興趣的推薦來(lái)降低選擇難度。比如喜馬拉雅已經(jīng)推出了“猜你喜歡”系統(tǒng)，可以通過(guò)深度學(xué)習(xí)、進(jìn)行類(lèi)似今日頭條那樣的個(gè)性化推薦。那么再進(jìn)一步，如果以后這個(gè)推薦可以不需要通過(guò)眼睛完成呢，直接傳來(lái)一個(gè)聲音：“小喜根據(jù)你的愛(ài)好搜到了幾個(gè)節(jié)目，下面念下標(biāo)題，你感興趣就喊要這個(gè)……”

c、時(shí)空觸發(fā)。這個(gè)意思是，應(yīng)該給更多的信息賦予時(shí)空屬性，比如在某一時(shí)刻放出，或者在某一位置放出。舉一個(gè)例子，你今天剛到一家商場(chǎng)，連上Wi-Fi，耳麥里立刻提醒你有最新的優(yōu)惠活動(dòng)信息、要不要聽(tīng)。你像即刻那樣設(shè)置一些關(guān)注節(jié)點(diǎn)，比如某股又跌了，當(dāng)這個(gè)消息到來(lái)，耳麥里立刻提醒你要不要聽(tīng)。你到達(dá)某個(gè)景點(diǎn)，耳邊響起景點(diǎn)的典故。你晚上睡不著了，耳邊響起周?chē)说穆曇?，像不像《Her》？

d、做強(qiáng)參與。同為視頻，直播爆火的勁頭遠(yuǎn)遠(yuǎn)強(qiáng)于當(dāng)年的視頻平臺(tái)和短視頻，這也釋放了一個(gè)信號(hào)，用戶(hù)并不滿(mǎn)足于成為單向的內(nèi)容接受者，他們也希望成為內(nèi)容的參與者甚至再創(chuàng)作者，他們也希望得到更多的互動(dòng)和回饋，來(lái)滿(mǎn)足參與感、存在感和歸屬感，所以類(lèi)似電臺(tái)的互動(dòng)直播很重要。

e、聲音網(wǎng)紅生態(tài)。如何俘獲聲音領(lǐng)域的“網(wǎng)紅”們，通過(guò)更豐富的辦法幫助他們獲取規(guī)模精準(zhǔn)流量、降低內(nèi)容生產(chǎn)門(mén)檻、維護(hù)粉絲社群、持續(xù)多樣化盈利。比如喜馬拉雅的PUGC生態(tài)戰(zhàn)略，已經(jīng)擁有400萬(wàn)主播、8萬(wàn)認(rèn)證主播，這個(gè)供給端的大棋該怎么下下去？

f、制作成本。事實(shí)上制作成本的問(wèn)題完全可以解決，一個(gè)是更加靈活強(qiáng)大的聲音編輯工具，另一個(gè)其實(shí)是文字到語(yǔ)音的轉(zhuǎn)化工具——你聲音不好？你不會(huì)抑揚(yáng)頓挫？那么訊飛正在嘗試在語(yǔ)記一類(lèi)的平臺(tái)推出文字轉(zhuǎn)化成聲音的功能，不是冰冷死板的普通話(huà)，而是可以轉(zhuǎn)成蘿莉的聲音、方言的聲音、林志玲的聲音、單田芳的聲音……

5、聲控類(lèi)的終端

盡管菜狗對(duì)硬件終端充滿(mǎn)了“恐懼心理”，但是說(shuō)到底，如果這個(gè)聲控交互能強(qiáng)大到占領(lǐng)你的客廳，占領(lǐng)你的臥室，占領(lǐng)你的駕駛室，甚至更強(qiáng)大一些，可以無(wú)處不在，像《Her》中那樣在云端接受和處理不同人的信息，你可以在任意的咖啡館、寫(xiě)字樓、商店、公交上喚起他……那么毫無(wú)疑問(wèn)，這一切都需要終端領(lǐng)域的進(jìn)擊。如果這個(gè)事情有人能做起來(lái)，那就是真正的“生態(tài)化反”了。

五、聲控交互還有多遠(yuǎn)？

聲控交互不是簡(jiǎn)單的YY，事實(shí)上未來(lái)已經(jīng)到來(lái)。

以智能終端為例，科大訊飛已經(jīng)推出了一款名為叮咚的智能Wi-Fi音箱，也許用不了多久這種漢語(yǔ)聲控的設(shè)備就會(huì)出現(xiàn)在你的身邊。同時(shí)進(jìn)軍音箱領(lǐng)域的喜馬拉雅FM一方面將內(nèi)容植入Sonos、哈曼、漫步者、Misfit等智能產(chǎn)品中，另一方面通過(guò)收購(gòu)國(guó)內(nèi)頂尖音箱廠商海趣科技，自主研發(fā)了3D降噪耳機(jī)等產(chǎn)品。

在應(yīng)用場(chǎng)景方面，兩家語(yǔ)音領(lǐng)域的巨頭聯(lián)合推出了語(yǔ)音開(kāi)放平臺(tái)，喜馬拉雅FM的“喜馬拉雅inside”開(kāi)放平臺(tái)直接對(duì)接各類(lèi)下游硬件研發(fā)和生產(chǎn)企業(yè)，打造應(yīng)用生態(tài)、拓寬應(yīng)用場(chǎng)景的野心一目了然。喜馬拉雅FM的海量音頻內(nèi)容已經(jīng)植入智能家居、汽車(chē)、音箱等超過(guò)300家品牌，包括寶馬、福特、比亞迪、百度Carlife在在內(nèi)的幾乎所有主流車(chē)廠（車(chē)載系統(tǒng)）已全線(xiàn)接入喜馬拉雅FM；車(chē)生活系列的隨車(chē)聽(tīng)正在侵入用戶(hù)的駕駛室，家聲活系列的故事機(jī)、聽(tīng)書(shū)寶、接入喜馬拉雅的智能冰箱已經(jīng)開(kāi)始覬覦用戶(hù)的家居生活。與此同時(shí)蜻蜓FM和考拉FM的車(chē)聯(lián)網(wǎng)、智能家居戰(zhàn)略已經(jīng)磨刀霍霍。

這就是不久的將來(lái)，語(yǔ)音將像水和電一樣，隨取隨用，自由流動(dòng)在每一個(gè)人的耳朵和心里。明確的人群和場(chǎng)景、高頻應(yīng)用的可能、進(jìn)一步侵入住家私車(chē)進(jìn)而無(wú)處不在的潛力、明確的技術(shù)和標(biāo)準(zhǔn)門(mén)檻，這個(gè)故事看來(lái)很美好。

但是最后菜狗還是必須提醒大家，這一切的前提是：技術(shù)足夠強(qiáng)大并且向第三方開(kāi)放、聲控交互的全面優(yōu)化和規(guī)范形成、蘋(píng)果安卓們?cè)敢庾尦鲞@塊肥肉、有影響力的聲控應(yīng)用的出現(xiàn)。這里面每一步的實(shí)現(xiàn)都不是輕而易舉的，但正如互聯(lián)網(wǎng)女皇說(shuō)的那樣，語(yǔ)音正在成熟，目前是最接近這個(gè)機(jī)會(huì)的節(jié)點(diǎn)。