录音笔|一支录音笔里的江湖( 二 ) 索尼|语音识别|科大讯飞|飞利

第一，技术完善阶段（2005-2009年），在这个时期，人工智能主要是利用人工神经网络的自学习功能、联想存储功能和寻找优化解能力来对机器学习进行改造，但未实现规模性的应用落地；
第二，应用试点阶段（2009-2011年），主要实现了从理论、竞赛，到软件产品落地并集成应用。比如Alex Graves赢得了2009年ICDAR的3项关于连笔字辨识的比赛，苹果语音助手Siri搭载到了iPhone 4S上。
2011年，Siri通过iPhone的交互界面，对用户发出的语音进行识别，然后对手机操作做出自动回应，这标志着消费级智能终端首次出现搭载了语音识别技术的产品。
第三，应用落地阶段（2011-2016年），一方面，各大智能终端厂商开始不同程度的集成语音助理；另一方面，录音笔细分领域开始全面接入人工智能。
具体的两个案例是，科大讯飞在2016年提出了一种基于深度全序列卷积神经网络的语音识别框架，在实现识别效果大幅提升的同时，解决了解码时延高的问题。搜狗也推出语音交互引擎“知音”，意图让人机交互更加自然。
第四，规模商用、寻求场景突破阶段（2016年-至今），随着AI技术日渐成熟，智能录音笔开始进入场景突破阶段，在老树上寻找新花是这个阶段一众玩家的商业逻辑的本源，也是思考点。
玩家纷争升级“智能手机已经有很强的录音功能了，为什么还要单独购买录音笔？”这是一众智能录音笔厂商亟需回答的首要问题。
这个问题其实很简单，我们先从市场角度切入，根据前瞻研究院报告，我国智能录音笔市场需求呈现快速增长，2019年我国录音笔市场出货量约为468万台，同比增长8.3%，市场规模达23.17亿元，同比增长10.1%。

文章插图
图：2015-2019年中国录音笔市场出货量
业内分析人士表示，“按照增速，未来两三年对数码录音笔的存量替换、以及对智能录音笔的增量需求，将进一步扩大智能录音笔的市场规模。”
言下之意，这个市场逻辑是被证明的，类似于手机拍照功能无法代替单反相机，手机的录音功能同样也无法完全代替录音笔。
在日常工作学习中，我们需要同声传译、语音转文字功能，针对录音过程中不同的录音环境，需要有降噪功能，同时针对带口音的普通话或方言，需要有高识别率，在互联网时代，以备份和储存为主的云服务功能也需要提供，且能支持在线编辑，而这些往往是智能手机所无法高质量完成的动作。
如同智能手机解决功能机的痛点一样，在市场的实践中，除了上文提到的科大讯飞与搜狗，还有纽曼、爱国者、索尼、飞利浦等厂商，均不同程度将触角伸到智能录音笔领域。总得来说，目前智能录音笔领域玩家主要分为以下三个流派：
索尼和飞利浦是老派中的硬件玩家，他们是传统录音笔的头部玩家，算是“老炮儿”。在声学方面它们有着很强的技术积淀，比如索尼的随身听、MP3、CD机等都是其中翘楚，代表着一个时代。但他们所缺少的是互联网基因，在人工智能时代，这些传统巨头自身的硬件优势还不足以弥补基因的缺失，在性价比上为用户们所诟病。
纽曼和爱国者算是老派中的性价比玩家，也是国内数码界的份量级玩家。从数码相机、MP3到手机，二者都有不同程度的介入，但市场份额一直欠佳，跨界进入录音笔领域后，也缺少AI语音识别方面的技术沉淀，走的主要是性价比路线，靠低价博得市场。
科大讯飞和搜狗算是新派玩家，它们的打法有些相似，但也有差异化。
前者在智能语音与人工智能领域已有较多落地场景，其中车载端已经发布到第四个版本，切入到智能录音笔市场后，就开始了高中低端的全系开发，目前已完成了初步布局；后者的语音识别技术源于输入法，缘由搜狗输入法在PC端和手机端占有率一直不错，在输入习惯、输入数据等方面有一定优势，到了移动互联网时代，搜狗在硬件方面稍显不足，智能录音笔算是搜狗的试水之作，代表产品是C1/C1 Pro/C1 Max，具体表现还有待评估。