從專利申請分析歐洲智能語音技術(shù)的發(fā)展

莫 玲

（安徽省科學技術(shù)情報研究所，安徽合肥 230011）

語音是人工智能的重要入口[1]。近20年來，隨著人工智能算法的突破、大規(guī)模語料資源的積累、移動數(shù)據(jù)網(wǎng)速的提高，智能語音技術(shù)快速發(fā)展，從實驗室走向市場，智能語音產(chǎn)業(yè)也隨之步入應(yīng)用的快速增長期，人工智能日益受到產(chǎn)業(yè)界和各國政府的重視[2]。歐洲各國對人工智能相關(guān)產(chǎn)業(yè)的發(fā)展高度重視。20世紀80年代，西歐國家制定“尤里卡計劃”，在人工智能等領(lǐng)域開展研究與發(fā)展合作。瑞典Artificial Solutions軟件公司致力為企業(yè)和政府機構(gòu)開發(fā)客服機器人，已為歐洲近幾十個政府部門提供客服機器人，從而減輕了工作人員的壓力[3]。2015年，福特歐洲公司推出新一代車載信息娛樂系統(tǒng)Sync3，提高了觸控的靈敏度和語音指令傳達的順暢性，駕駛者可以通過語音對話向系統(tǒng)發(fā)布指令。2016年，谷歌在歐洲瑞士蘇黎世設(shè)立新的研究部門專注研究機器學習、機器智能、機器感知、自然語言處理和理解等，開發(fā)了知識圖譜使用的引擎以及谷歌Allo消息應(yīng)用中谷歌助手使用的會話引擎[4]。

本文則從專利申請的角度對歐洲各國智能語音技術(shù)的發(fā)展態(tài)勢進行分析研究。

1 數(shù)據(jù)的來源與處理

智能語音技術(shù)涉及語言學、語音學、聲學、數(shù)字信息處理、模式識別與人工智能等眾多相關(guān)基礎(chǔ)學科，主要包括語音識別、自然語言理解和語音合成3 個環(huán)節(jié)。通過查閱相關(guān)文獻，借鑒智能語音領(lǐng)域?qū)＜业挠^點[5-7]，制定了智能語音自標引技術(shù)分支表（表1）。

依據(jù)自標引技術(shù)分支表確定檢索詞（表2），對檢索詞的同義詞、關(guān)鍵詞、縮寫詞、上位詞、下位詞、相關(guān)詞等不同表達方式進行擴展，采取分總式檢索策略進行專利檢索，先對各技術(shù)分支展開檢索，再將檢索結(jié)果進行合并，得到總的檢索結(jié)果[9]。

檢索時間為2016年5月，IncoPat專利數(shù)據(jù)庫收錄了全球112 個國家、組織、地區(qū)的專利信息，數(shù)據(jù)覆蓋全面，更新速度快，同時對全球?qū)＠峁┝酥杏㈦p語的標題和摘要，便于專業(yè)人員快速掌握專利基本內(nèi)容。因此，本研究選取IncoPat專利數(shù)據(jù)庫進行專利檢索。對專利數(shù)據(jù)進行檢索與下載，經(jīng)過人工篩選和逐條去噪，對專利申請時間和申請人名稱進行簡化處理和規(guī)范統(tǒng)一，最后按照自標引技術(shù)分支表進行四級技術(shù)標引。對所有標引結(jié)果，由語音領(lǐng)域內(nèi)專業(yè)技術(shù)人員進行審核。審核員采用抽樣驗證的方式，在所有已加工完成的專利數(shù)據(jù)中，以200 件專利為一組，隨機抽取10 件專利，保證加工完成的數(shù)據(jù)與智能語音技術(shù)或者產(chǎn)品相關(guān)，對于不相關(guān)的及時刪除。最終得到全球申請專利12895 件，其中智能語音關(guān)鍵技術(shù)歐洲申請專利1865 件。由于在專利申請過程中有18 個月的公開期，因此IncoPat數(shù)據(jù)庫的數(shù)據(jù)收集和錄入會有一定的滯后，2014年后的數(shù)據(jù)僅供參考。根據(jù)專利檢索結(jié)果，關(guān)于歐洲智能語音最早的專利要追溯到1929年，鑒于1929—1990年歐洲申請的智能語音關(guān)鍵技術(shù)專利信息總量較少且較為零散，因此本文選取了1990—2015年1647 件相關(guān)的專利申請信息進行分析，其中語音識別專利申請量1246 件，語音合成專利申請量350 件，自然語言理解專利申請量51 件。根據(jù)得到的數(shù)據(jù)結(jié)果，下面從專利申請趨勢、關(guān)鍵技術(shù)、主要競爭者、重點專利4 個維度，對歐洲智能語音技術(shù)發(fā)展現(xiàn)狀進行深入分析和初步判斷。

2 專利的申請量與技術(shù)領(lǐng)域

表1 智能語音自標引技術(shù)分支表[8]

自20世紀80年代西歐“尤里卡計劃”實施以來，歐洲國家越來越重視在人工智能等領(lǐng)域開展研究與發(fā)展合作。從圖1可以看出，歐洲智能語音領(lǐng)域?qū)＠笾陆?jīng)歷了發(fā)展、快速增長、迅速下降、緩慢上升和緩慢下降這5 個階段，反映了歐洲智能語音技術(shù)的生命周期。研究顯示，2000年之前專利申請量上升較快，在2000—2004年大幅增加，這充分說明了歐洲智能語音專利申請與歐洲國家出臺的重要戰(zhàn)略和政策密不可分，在此期間研發(fā)活動較為活躍，因而申請量較大，在2004年達到峰值（141 件），自2004年后呈下降趨勢，在2014—2015年專利申請量下降趨勢明顯，這與專利發(fā)布有18 個月的滯后期有一定的關(guān)系。

從歐洲智能語音技術(shù)的三大技術(shù)類別來看，語音識別專利申請量占總申請量的七成以上，與歐洲智能語音總體發(fā)展趨勢相一致，語音合成專利申請量占兩成以上，自然語言理解專利申請量僅占不到一成。語音識別技術(shù)和語音合成技術(shù)發(fā)展趨勢在近年來都有不同程度的下降，這也反映了語音合成技術(shù)和語音識別技術(shù)發(fā)展較為成熟，并開始進入衰退期，企業(yè)利潤率減少，因此自2002年后專利的申請總量呈下降趨勢；而自然語言理解專利在技術(shù)發(fā)展及應(yīng)用上有較大的技術(shù)發(fā)展空間，體現(xiàn)了智能語音的未來發(fā)展方向，因而自然語言理解專利申請量變化較為平穩(wěn)，其專利申請趨勢與總體趨勢出現(xiàn)了不同的走勢，在2013年后呈現(xiàn)平穩(wěn)上升的態(tài)勢。

表2 智能語音檢索關(guān)鍵詞

圖1 歐洲智能語音領(lǐng)域?qū)＠暾堏厔?/p>

圖2是20世紀90年代以來歐洲在語音合成、語音識別和自然語言理解領(lǐng)域細分技術(shù)的分布情況。以每3年一個時間段為節(jié)點，將1990—2015年分為9 個時間區(qū)間，顯示了歐洲智能語音領(lǐng)域10 個細分技術(shù)專利申請的發(fā)展趨勢。語音識別是智能語音領(lǐng)域一項成熟的技術(shù)，其產(chǎn)業(yè)發(fā)展和應(yīng)用都比較廣泛，專利申請總量較多，主要集中在20世紀末21世紀初，但總體上均呈現(xiàn)先上升后下降的態(tài)勢，其中聲學模型是語音識別系統(tǒng)中最關(guān)鍵的部分。該技術(shù)歐洲專利申請量最多，增長較快，波動最為明顯，于1999-2001年達到了峰值（111 件）。語音合成領(lǐng)域中基于共振峰、LPC和LMA技術(shù)是非常有效的語音分析技術(shù)，起步較早，應(yīng)用較為廣泛，可以對語音產(chǎn)生模型的參數(shù)進行準確推算，因此也不難發(fā)現(xiàn)，基于共振峰、LPC和LMA技術(shù)的專利申請量較大，趨勢波動較為劇烈，于2002—2004年達到了峰值（47 件）。自然語言理解以語言學為基礎(chǔ)，內(nèi)容涉及多門學科，是人工智能領(lǐng)域中的一個重要方向，從圖2中明顯可以看出，自然語言理解的專利申請總量雖然較少，但技術(shù)發(fā)展趨勢較為平穩(wěn)，尤其是自然語言理解對計算機實現(xiàn)技術(shù)要求的不斷提高，人機交互的成果不斷出現(xiàn)，從而推進了機器翻譯的持續(xù)發(fā)展，因此有的細分技術(shù)發(fā)展較為平穩(wěn)，沒有出現(xiàn)大起大落的波動趨勢。

3 IPC小類專利與自標引技術(shù)

表3顯示了20世紀90年代以來歐洲智能語音領(lǐng)域排名前10 位的IPC小類專利申請情況。

圖2 歐洲智能語音領(lǐng)域?qū)＠夹g(shù)申請發(fā)展分布

表3 歐洲智能語音領(lǐng)域?qū)＠腎PC小類（前10 位）

從歐洲專利申請的國際專利分類號（IPC）統(tǒng)計結(jié)果來看，1990-2015年，排名前10 名的專利申請總數(shù)（798 件），占了總申請量（1647件）近半數(shù)。排在首位的是“創(chuàng)建基準模板；訓(xùn)練語音識別系統(tǒng)，例如對說話者聲音特征的適應(yīng)”（G10L15/06），其專利申請量（281）占專利申請總量17.1%，其次是“利用自然語言模型”（G10L15/18）。再次是“語音識別”（G10L15/00），這三大技術(shù)領(lǐng)域的專利申請量總和（445 件）占專利申請總量的近三成。從表3分析得出，1990—2015年，歐洲智能語音技術(shù)重點在于發(fā)展語音識別、信息檢索、語音合成、語音增強等技術(shù)領(lǐng)域，在這些技術(shù)領(lǐng)域紛紛申請專利保護，以獲得在該領(lǐng)域的核心競爭力和技術(shù)優(yōu)勢。無論是從專利申請量排名前三占比情況，還是從專利申請量排名前十占比情況來看，在智能語音領(lǐng)域的技術(shù)發(fā)展中，歐洲研發(fā)重點和研究成果主要集中在語言識別技術(shù)上，相對于其他技術(shù)領(lǐng)域最為成熟，具有明顯的競爭優(yōu)勢。

從歐洲智能語音的三大技術(shù)領(lǐng)域來看，語音識別申請數(shù)占申請總量75.7%，語音合成占21.2%，自然語言理解占3.1%?？梢?，語音識別占了七成以上，語音合成占了兩成，這兩個領(lǐng)域的技術(shù)成熟度較高，應(yīng)用較為廣泛。雖然自然語言理解作為熱點技術(shù)，成熟度不高，但其發(fā)展?jié)摿薮蟆?/p>

在語音識別技術(shù)領(lǐng)域，聲學模型占申請總量的28.7%，后端處理占18.3%（其中解碼或解碼器占14.9%），語言模型占17.1%，前端處理占11.5%（其中降噪處理占11.1%）?？梢?，從語音識別的流程處理來看，歐洲比較注重于建立聲學模型和語言模型，運用核心算法對語音進行識別，通過后端處理進行搜索解碼，對于降噪和特征提取等前端處理過程關(guān)注度相對不高（圖3）。

在語音合成技術(shù)領(lǐng)域，基于共振峰、LPC和LMA技術(shù)占申請總量的13.7%，基于波形拼接技術(shù)占3.9%，基于聲學統(tǒng)計建模技術(shù)占3.6%。基于共振峰、LPC和LMA技術(shù)在歐洲起步較早，這種參數(shù)合成方法主要是通過模擬發(fā)聲機理進行語音合成，可以靈活調(diào)整適應(yīng)不同的合成要求，在歐洲語音合成中的專利申請量比重較大（圖4）。

在自然語言理解技術(shù)領(lǐng)域，語言學技術(shù)占申請總量的1.9%，計算機上實現(xiàn)的占0.9%，語料庫占0.3%。自然語言理解是語言學、數(shù)據(jù)處理、人工智能和認知科學以及語言工程等諸多領(lǐng)域的熱門課題，具有廣闊的發(fā)展前景，歐洲日益重視和加強語言學技術(shù)的基礎(chǔ)研究和應(yīng)用，側(cè)重于信息檢索和人際交互方向，以真正實現(xiàn)人機自然交互的最終目標（圖5）。

4 專利申請公司排名及其技術(shù)活動

圖6顯示了20世紀90年代以來歐洲智能語音領(lǐng)域排名前10 位專利申請人申請專利的情況。

從歐洲智能語音專利申請量排名（圖6）分析得知，居于前10 位的公司申請專利總數(shù)（571件）占專利總數(shù)（1647 件）的34.7%。從圖6中可以看出，美國、日本、歐洲企業(yè)占據(jù)優(yōu)勢，美國企業(yè)專利申請量占七成，日本企業(yè)占兩成，歐洲企業(yè)占一成。排名前5 名的申請人分別為微軟、AT＆T、IBM、飛利浦和高通，競爭優(yōu)勢較為明顯，尤其是美國微軟公司，其專利申請量為107 件，在排名前10 位的機構(gòu)中占近兩成。可見美國企業(yè)和日本企業(yè)尤為注重在歐洲的專利權(quán)保護，在智能語音領(lǐng)域的創(chuàng)新能力和技術(shù)競爭實力較強。

雖然歐洲之外的國家紛紛在歐洲進行專利布局，但作為歐洲本土企業(yè)的飛利浦公司在智能語音技術(shù)研發(fā)中也具有較強的競爭力。飛利浦作為一家生產(chǎn)照明、家庭電器、醫(yī)療系統(tǒng)產(chǎn)品的公司，擁有8 萬項專利。隨著專利數(shù)量的上升，其專利布局也日益成熟，越來越注重知識產(chǎn)權(quán)的保護和防御，并且近年來在智能語音領(lǐng)域的實力也逐漸增強。2012年，飛利浦推出HUE智能照明系統(tǒng)，使用Siri語音助理控制；2013年，飛利浦采用了Nuance的Dragon TV語音技術(shù)推出智能電視，為用戶在家庭娛樂控制體驗中帶來更多選擇和便利，用戶可通過日常語言與電視機“溝通”，實現(xiàn)從“看電視”到“玩電視”，與電視互動的轉(zhuǎn)變[10]；2015年，飛利浦與阿里智能合作推出一款基于阿里智能系統(tǒng)的智能無線音箱——飛利浦小飛阿里智能音箱，在現(xiàn)有資源庫整合植入的同時加入了語音交互功能，并能脫離APP獨立使用，大大增加了其使用中的便攜性[11]。

圖3 歐洲語音識別技術(shù)專利分布

圖4 歐洲語音合成技術(shù)專利分布

圖5 歐洲自然語言理解技術(shù)專利分布

圖6 歐洲智能語音專利主要申請公司的專利申請數(shù)

從飛利浦公司的歐洲專利布局分析，其申請專利的技術(shù)領(lǐng)域集中在IPC的G部（物理），涉及IPC的兩個大類：G10（樂器、聲學，約占86.3%）和G06（計算、推算、計數(shù)，約占13.7%）。排在前3 位的IPC小類分別涉及G10L（語音分析或合成、語音識別、音頻分析或處理）、G06F（電數(shù)字數(shù)據(jù)處理）、G06K（數(shù)據(jù)識別、數(shù)據(jù)表示、記錄載體、記錄載體的處理）技術(shù)領(lǐng)域，合計約占專利申請量的95%，排名前2位的IPC小組主要為G10L15/06（創(chuàng)建基準模板、訓(xùn)練語音識別系統(tǒng)、例如對說話者聲音特征的適應(yīng)，約占27.3%）和G10L15/18（利用自然語言模型，約占18.2%），合計約占專利申請量的五成，說明飛利浦公司智能語音技術(shù)主要集中在語音分析、合成、識別和數(shù)據(jù)處理等方面，在這些方面技術(shù)創(chuàng)新較多，非常注重在歐洲本土進行專利布局，市場競爭力較強。

5 重點專利與主要申請公司

被引次數(shù)是判定專利質(zhì)量的重要指標，在通常情況下，專利越重要，被引證的次數(shù)就越多。表4顯示了20世紀90年代以來歐洲智能語音領(lǐng)域排名前10 位重點專利被引情況。

從表4分析得出，歐洲智能語音技術(shù)領(lǐng)域涉及3 個大類：G10（樂器、聲學，約占75.4%）、H04（電通信技術(shù)，約占18.5%）和G06（計算、推算、計數(shù)，約占6.1%），排在前3 位的IPC小類分別涉及G10L15/06（創(chuàng)建基準模板、訓(xùn)練語音識別系統(tǒng)、例如對說話者聲音特征的適應(yīng)，約占46.8%）、G10L15/22（在語音識別過程中，約占12.4%）、H04M1/27（可以同時存儲許多信號的裝置，約占11.2%），合計約占專利總被引次數(shù)的七成，技術(shù)研發(fā)主要集中在語音識別的聲學模型和語音合成上，其中涉及語音識別的達238次，約占專利總被引次數(shù)的近六成；主要申請人包括AT＆T、IBM、領(lǐng)英、LG、施樂、佳能信息等公司，除了LG是韓國企業(yè)外，其他均為美國公司，這反映了美國非常注重在歐洲的專利布局，處于絕對的壟斷地位，在歐洲智能語音領(lǐng)域具有較強的影響力。

圖7顯示了20世紀90年代以來歐洲智能語音領(lǐng)域被引專利數(shù)量排名前10 位申請公司情況。

根據(jù)總被引次數(shù)分析（圖7），在歐洲智能語音專利的前10 位申請人中，AT＆T和IBM公司高被引專利量達233 次和172 次，排在前兩位，遠遠領(lǐng)先于其他專利申請人，其研究成果對智能語音的研究和技術(shù)開發(fā)具有重要的參考和借鑒意義。另外，根據(jù)專利的平均被引次數(shù)，LG公司專利平均被引次數(shù)最高（15.33 次），其專利質(zhì)量也相對較高，其次是領(lǐng)英公司（12.75 次）。無論從專利總被引次數(shù)還是平均被引次數(shù)，都不難看出，美國非常注重在歐洲進行專利布局，專利申請數(shù)量和質(zhì)量都呈現(xiàn)穩(wěn)步上升的態(tài)勢，擁有絕對的競爭優(yōu)勢。

表4 歐洲智能語音領(lǐng)域重點專利被引情況（前10 位）

圖7 歐洲智能語音領(lǐng)域高被引專利數(shù)量排名前10 位申請公司

6 結(jié)論

本文從專利申請量、關(guān)鍵技術(shù)、主要競爭者、重點專利等方面，剖析了歐洲智能語音技術(shù)的發(fā)展，結(jié)果表明。

（1）20世紀90年以來，歐洲智能語音技術(shù)專利申請量起伏較大，總體上呈現(xiàn)先上升后下降的趨勢，大致經(jīng)歷了發(fā)展、快速增長、迅速下降、緩慢上升和緩慢下降5 個階段，語音合成技術(shù)和語音識別技術(shù)發(fā)展較為成熟，應(yīng)用較為廣泛，自然語言理解作為熱點技術(shù)，雖然成熟度不高，但發(fā)展?jié)摿薮蟆?/p>

（2）歐洲本土企業(yè)的飛利浦公司競爭實力較強，其技術(shù)研發(fā)主要集中在語音分析、合成、識別和數(shù)據(jù)處理等領(lǐng)域，但是，美國和日本企業(yè)非常注重在歐洲進行專利布局，AT＆T和IBM公司在歐洲智能語音領(lǐng)域具有較強的影響力。

（3）近年來，歐洲智能語音產(chǎn)業(yè)已經(jīng)從產(chǎn)業(yè)應(yīng)用發(fā)展到深入推廣階段，掌握了相當一部分產(chǎn)業(yè)核心技術(shù)，憑借新興產(chǎn)業(yè)的支配地位，以新技術(shù)研發(fā)和新產(chǎn)品營銷為發(fā)展重點，獲得在技術(shù)創(chuàng)新方面的競爭優(yōu)勢，在智能家居、智慧教育、智能醫(yī)療、汽車智能化、智能機器人等社會發(fā)展領(lǐng)域都有著非常重要的應(yīng)用價值與開發(fā)前景。