Sugr的回答：智能音箱只是开始，中美语音交互有何不同？

Sugr的CEO宋少鹏在西南偏南的台上讲了一个故事：他的一个客户找到他，想要修复刚刚坏掉的智能音箱，宋少鹏提出给他换一台新设备，却被拒绝；用户的理由温情融暖，十岁的孩子一直都在用这台音箱，孩子把它当做伙伴，舍不得。

似乎刚刚走向普及的语音交互技术，等不及太久，竟然一下子从“工具”进化成了“伴侣”。

2014 年，亚马逊发布搭载 Alexa 的 Echo 智能音箱，语音交互有了更合适的落地场景。经过几年的功能迭代，生态链逐渐成熟。2017 年人工智能技术飞速发展，语音交互在AI的带动下变得越来越智能，智能音箱走进了千家万户。

据相关调查报告显示，大约有3900万美国人拥有智能音箱产品，这个数字占到了美国总人口的六分之一。

这股风潮当然也刮到了中国。在Echo发布后，Sugr主动拥抱Alexa平台，成为国内第一个通过亚马逊认证的智能音箱产品，并与Alexa平台合作，向其他客户提供多款完整的智能语音交互解决方案Sugr Sense，可以满足包括智能家居、IOT、车载等不同应用场景的产品开发与快速量产。

在美国西南偏南大会（SXSW），这个科技和音乐的艺术盛典上，宋少鹏带来了他的分享，探讨语音交互的未来、中美语音交互使用习惯的差异，以及语音交互在中国的落地。

Sugr CEO宋少鹏在西南偏南演讲

西南偏南 极客公园IF大会现场

语音交互是下一代操作系统

Sugr团队认为，语音交互会成为下一代的操作系统。宋少鹏提到，这和人机交互的进化规律有关。从 PC 时代的键盘鼠标，到智能手机时代的触屏，人操控外界环境的效率一直在上升，能耗在降低，而语音交互是一种更简单、更自然的交互方式，也符合这样的规律。所以，语音交互会成为下一代的操作系统。

从音乐产品的迭代来看，也可以印证这个规律。在古代，热爱音乐的人去欣赏音乐，需要驾着马车到音乐厅或者歌剧院。后来留声机的发明让人们可以躺在家里听音乐。到了 iPod，大家可以把1000首歌装进口袋，手指一滑，就可以欣赏喜欢的音乐。到 2014 年 亚马逊发布Echo智能音箱，人们只需要动动嘴就能得到自己想要的音乐，能量消耗进一步减少。

语音交互降低了人跟物理世界交互所需的能耗，这个趋势是符合产品迭代规律的。

中美的智能语音交互和而不同，场景和用户习惯会塑造产品形态

虽然Sugr团队认定语音交互会成为下一代操作系统，但智能音箱在中国的落地并不能完全照搬美国的做法。环境变化，对产品的需求自然也不一样。

在宋少鹏看来，音乐消费的DNA不同，导致了行为习惯的差异。他提到，美国的音乐消费者是成长于汽车上的黄金一代，汽车上都配备收音机，他们的音乐消费是从听收音机开始的。大家习惯了这种背景式的、实时存在式的播放，在任何一个生活场景里面都想要有音乐的存在。这种情况下，他们更喜欢歌单推荐、流媒体的音乐形式。

中国的音乐消费者最初接触音乐是源于80年代初期改革开放，港台音乐以盒带和卡带形式大量流入内地，大家接触音乐是一个歌手的完整专辑，里面有各种各样的曲风，但很少有合集和混编。所以他们更习惯于点播式的音乐消费。

智能音箱在美国的诞生并不是偶然，它解决了家庭环境听音乐的痛点，可以让音乐一天不停地播放，而流媒体形式的听歌习惯不需要太多操控，对语音交互的语义理解能力要求就没那么高。所以美国的公司才能以「最小化可实现原型」的形式，迅速推出智能音箱这样一个产品，来满足用户的需求。

音箱本来是被动播放音乐的产品，人工智能和语音助手的加入使它能够主动获取信息，并和人产生交互，成为一个流量的入口。随着技术的进步，它又开始加入家居产品的控制功能，逐步成为智能家居的中控，这样就有了很大的想象空间。

Amazon有Alexa，Google有Google Assistant，Apple有Siri，腾讯百度阿里巴巴也都有自己的智能语音助手。巨头的加入让整个生态链更加完善，智能语音交互也开始有了更多的应用场景，从智能家居、儿童看护、IOT物联网、车载；随之而来的，还有更多适应这些场景的产品落地形态。

不只产品，而是完整体验

在目标明确，道路明晰之后，Sugr将精力投入到语音交互产品的落地工作中。他们的音箱成为国内第一个经过Alexa认证的智能音箱产品，后来开始和亚马逊团队进行合作，给想进入Alexa平台的产品提供技术解决方案。Sugr 团队将自己在语音交互产品上的经验打包，从做C端产品转型为做B端的方案。

Sugr 团队推出的 Sugr Sense 方案是一个完整的智能音箱解决方案，包括 Wi-Fi 模块，底层技术，操作系统，还有语音 Skill，是软硬结合的全栈式解决方案。这其中有一套单麦克风的解决技术，是目前全球唯一一套可以通过Amazon严格测试并认证的单麦克风解决方案。这项单麦克风解决方案在Amazon的测试环境里拥有不错的成绩，在9英尺的环境下（2.74 米），普通办公或者是家居环境下，唤醒响应率能达到 100%，在9英尺的距离，在设备自身播放音乐，AEC（自适应回声消除）场景下，正确响应率达到了98%。

除此之外，还有多款可适用于智能家居、IOT、车载等不同应用场景的完整解决方案，不但可以降低行业门槛，还可以提升整个行业的效率。

从产品接入Alexa，到和亚马逊合作，帮助其他的产品接入Alexa，Sugr认识到 Echo 的成功不能简单归结为单纯的产品或技术进步，而是一整套用户体验方案的解决。而这些经验对智能音箱在中国的落地有很大的借鉴意义。

正如前面所说，在中国点播音乐是常态，这需要更强大的语义理解能力，更丰富、更深入的音乐知识图谱，以及更完善的音乐版权和曲库。还有使用场景的不同，美国家庭大多是中央空调系统，而中国的空调大部分为独立的壁挂式、落地式空调，如果音箱作为智能家居的中控，对于空调的控制场景是不同的。在中国做智能语音交互产品，照搬亚马逊是不行的，需要融入更多关于产品使用场景、用户交互习惯方面的思考。

未来是智能语音交互的时代

当冰冷的科技与人文发生碰撞而开始有了温度，陪伴的意义就超出了技术的范畴。

伴随着智能手机、触屏长大的孩子们，看见什么都想点一点；而我们的下一代将是成长在语音交互时代的。也许，智能语音交互会改变的，不仅仅是我们和数码产品之间的交流方式，也正在悄悄的影响着我们人与人之间的互动。

免责声明：本文为厂商推广稿件，企业发布本文的目的在于推广其产品或服务，安科网发布此文仅为传递信息，不代表安科网赞同其观点，不对对内容真实性负责，仅供用户参考之用，不构成任何投资、使用等行为的建议。请读者使用之前核实真实性，以及可能存在的风险，任何后果均由读者自行承担。