現有的語音識別應用，哪款中文識別率最高，用戶體驗最好？

01-19

今天在朋友的介紹下，短暫使用了雲之聲、訊飛、、百度語音助手和出門問問，發現識別準確和返回結果各有優劣。很想知道造成這種差異的技術原因是什麼？決定這些產品用戶體驗的關鍵指標有哪些？背後開發團隊的哪些技術至關重要？公司的體量和團隊的規模重要嗎？希望能和大家交流。

語音交互體驗效果，主要取決於2點：語音識別，和語義理解。

語音識別方面，訊飛做得最早最好，這個應該爭議不大；不過，如果實際體驗的差距沒那麼大，因為純識別率，大家大概都達到90%，甚至95%左右了，但再往上走，越來越難；而且實際環境的噪音、用戶發音不準等因素，會導致用戶體驗效果還是「不可用」，這就涉及到第二點了——

語義理解。中文語義理解比英文難得多。而且，猜測（純屬個人猜測。。），有的公司是從國內外科學院校出來的，可能有的時候，想事情太複雜，未能用直接的方式解決實際問題——這就導致了，即使用的都是訊飛或者某家的語音識別，但產品體驗效果就有差距。

現有這些產品裡面，雖然都還沒有抓住用戶，但蟲洞語音助手是相對較好的。去年易觀有個統計，蟲洞佔了30%用戶量，第一，大家可在這裡看到：行業數據：Android平台搜索移動應用化語音助手全面來襲易觀智庫。沒聽說過蟲洞？那就更證明他的體驗好了。。。因為其他幾家大公司的推廣資源多得多。

另外，有微軟cortana國際團隊朋友說過，他們看到內部分析報告說，蟲洞的用戶評價是最高的。並且他們驚訝蟲洞創業團隊那麼少人，能做出這個效果，因為他們都是認為，這種事情是需要幾百人來做的。

註：利益相關。以上數字或消息，盡量用客觀或第三方內容；評價文字，還是個人意見。

經過測試使用。訊飛的中文語音識別率是最高的。以上那些話包括這句都是訊飛輸入法識別出來的。識別速度很快。

補充一下。這個回答裡面的所有語句都是訊飛語音識別出來的。2333333。

發現我的回答不完整，技術方面還是等大拿來回答吧！慚愧。

科大訊飛還是要好些，數據多，人多，語音識別除了前端信號處理做的區別之外，其餘的主要靠人力和財力。

這是信號識別領域，一門交叉學科。

很多大學和企業都在搞，都能搞，但是搞出來好不好用能不能用就是兩說。科大訊飛在中文領域佔據絕對優勢。

過去一些識別庫還可以在本地運行。目前多數都是上傳音頻至雲端在雲端識別。本地庫基本上沒有幾個能搞得好的，不管國內國外，局限性太大了。試過微軟的speechSDK，IBM Voice等等，基本很難實用。

@閆瑞松只用一家當然比不出好壞，我來給你做個對比。

某些問題我真不想問，但是要做個對比……

以上為小米語音助手，語音識別技術為科大訊飛提供。

造成技術差異的原因很多，一般來說有演算法和數據方面的

比如同等訓練數據條件下，最新的DNN-HMM模型就比傳統的GMM-HMM模型效果好，加上前端除噪音，靜音檢測技術，演算法方面差異就很多。

不過現在有點實力的公司應該都能搞到主流的識別演算法實現，加上多年積累和，所以技術方面應該大同小異。

另外就是訓練數據方面差異了。

語音識別系統就好比一個人學一門語言，同等聰明的情況下，聽到的話（訓練數據）越多，越容易識別出好的結果。

這就看誰家數據比較多了。

訊飛的我沒用過，百度的用了感覺不錯，識別率相當高，具體有多高，這得搞個專業測評才能說清楚

產品檢測評估是很細緻的工作，目前還真沒有類似的報告。語音識別發展很久了。科大訊飛有科研優勢，騰訊有大數據優勢，看好這兩家。當然，微軟在這方面其實也很有技術儲備，而谷歌如果能推出演算法更新，隨時可能超越。

Cortana

毫無疑問

語音識別目前沒有做過相關產品，但是訊飛的名聲在外，看了大家回答也多關注訊飛。

科大訊飛，做的比較早，支持方言，一個有資歷的語音助手

百度也在做語音技術，現在已經完全免費開放了語音識別和語音合成技術，個人開發者都可以免費的使用。由吳恩達帶領的百度大腦團隊，也在為語音識別、語音合成等技術提供支持，百度的語音技術在未來不容小覷。

目前，包括海爾、小米、聯想、特斯拉、MTK、樂視、中興等國內外知名廠商都採用了百度語音的技術。

外行人沒有具體數據說一下使用體驗

科大訊飛的語音識別技術在於多年的積累，尤其是中文積累。不僅僅是普通話，包括粵語、四川話等都有較強的優勢。

百度語音優勢很明顯，在於多年的搜索積累。利用大數據對用戶習慣進行精準分析，尤其是和百度多年的知識整合（像知道、百科等），個人認為百度語音是未來發展比較迅猛的一個隊伍。

至於用戶體驗，這個真不好說。各有長短，看用戶習慣哪種方式。不過老羅說的一個點恰好說出了很多人的心聲：這些語音廠家幾乎全部都是將用戶語音傳至雲端，因為要搜集大數據，這樣做語音的目的很不單純。希望以後的語音能實現大部分功能都脫離雲端吧。