語音識別技術(shù)全球?qū)＠季众厔?/h1>

2021-12-29 02:32:52杜靈君武曉島中國電子信息產(chǎn)業(yè)發(fā)展研究院

科技中國訂閱 2021年12期 收藏

關(guān)鍵詞：專利權(quán)人專利申請語音

■文/杜靈君 武曉島（中國電子信息產(chǎn)業(yè)發(fā)展研究院）

語音識別技術(shù)已經(jīng)發(fā)展60多年，越來越多的語音識別技術(shù)已融入人類的日常生活，尤其是語音撥號、語音導(dǎo)航等已經(jīng)成為很多設(shè)備人機交互的關(guān)鍵技術(shù)。語音識別已經(jīng)發(fā)展為人工智能行業(yè)具有競爭性的技術(shù)之一。本文通過對語音識別技術(shù)全球?qū)＠偁帒B(tài)勢的分析，了解各國在該領(lǐng)域的技術(shù)和應(yīng)用的專利布局，在一定程度上為企業(yè)產(chǎn)業(yè)布局和未來發(fā)展提供借鑒和指導(dǎo)。

一、語音識別技術(shù)概述

語音識別技術(shù)最早可以追溯到1952年貝爾實驗室實現(xiàn)了針對特定說話人的英語數(shù)字孤立詞語音識別系統(tǒng)。歷經(jīng)多次沉浮，20世紀80年代，以隱馬爾可夫模型（Hidden Markov Model，HMM）方法為代表基于統(tǒng)計模型的技術(shù)逐漸發(fā)展起來。20世紀90年代前期，許多大公司如IBM、蘋果、AT&T和NTT等均對語音識別技術(shù)進行了大規(guī)模的投入，但識別準確率很難超過90%。2009年，Hinton將DNN應(yīng)用于語音的聲學(xué)建模，基于DNN-HMM的建模方式逐漸取代GMM-HMM，識別的精度大大提高，成為主流的語音識別建模方式。

我國在語音識別技術(shù)上的研發(fā)相對較晚，但是發(fā)展迅速?？拼笥嶏w、百度等企業(yè)在語音識別的核心技術(shù)研發(fā)上持續(xù)投入大量精力，并將其研究成果快速落地。2021年，科大訊飛提出“語音識別方法及系統(tǒng)”專利，通過“靜態(tài)+動態(tài)”網(wǎng)絡(luò)空間實時融合路徑解碼尋優(yōu)算法解決了面向多領(lǐng)域、多用戶、多場景下識別效果差、反應(yīng)速度慢、系統(tǒng)構(gòu)建時間長等技術(shù)問題，顯著地提升了語音識別效果。百度提出基于歷史信息抽象的流式截斷conformer建?！猄MLTA2的全新端到端模型結(jié)構(gòu)，大大降低錯誤率。

國內(nèi)外企業(yè)在語音識別技術(shù)上不斷突破，這些企業(yè)為保護創(chuàng)新技術(shù)也部署了相應(yīng)專利，下面我們對語音識別技術(shù)的全球?qū)＠季诌M行分析。

二、語音識別技術(shù)專利布局

（一）全球語音識別專利申請態(tài)勢

從語音識別專利申請數(shù)量看，如圖1所示，從20世紀50年代語音識別首次出現(xiàn)，直到20世紀90年代，語音識別專利的申請數(shù)量雖有小幅度的增加，但整體數(shù)量都較少。這是因為此時語音識別技術(shù)仍處于萌芽階段，語音識別技術(shù)掌握在大型研究機構(gòu)和公司手中。

圖1 專利申請數(shù)量變化趨勢

從20世紀90年代開始，語音識別相關(guān)的專利申請數(shù)量顯著增加。這主要因為當時提出了基于GMM-HMM聲學(xué)模型的區(qū)分性訓(xùn)練準則和模式自適應(yīng)方法，讓人們看到了語音識別技術(shù)的發(fā)展?jié)摿头较?，致使許多研究機構(gòu)和公司巨資投入，掀起了第一次研究和產(chǎn)業(yè)應(yīng)用的小高潮。

此后將近10年的時間里，由于GMM-HMM框架的語音識別系統(tǒng)整體效果還遠遠達不到實用化水平，語音識別技術(shù)的發(fā)展相對緩慢，專利申請數(shù)量有下降趨勢。

從2012年開始，語音識別相關(guān)的專利申請數(shù)量出現(xiàn)迅猛增長。這主要得益于2011年底DNN技術(shù)在大詞匯量連續(xù)語音識別上獲得的成功，大大降低了語音識別錯誤率，打破了智能語音技術(shù)的發(fā)展瓶頸，引發(fā)了新的研發(fā)熱潮。

隨著國內(nèi)外對語音識別技術(shù)的關(guān)注度越來越高，以及作為支撐的硬件技術(shù)的不斷提升，全球語音識別行業(yè)整體技術(shù)發(fā)展前景看好，預(yù)計未來一段時間語音識別技術(shù)的專利申請數(shù)量仍舊會延續(xù)較高的增長率。

（二）全球語音識別專利地域分布

語音識別技術(shù)專利權(quán)人的地域分布情況如圖2所示。從圖中可以看出，語音識別技術(shù)的專利申請大部分來自于中國公司和美國公司，其中美國專利權(quán)人占比32.5%，中國占比24.3%。其次是日本、韓國，兩國在語音識別技術(shù)方面相關(guān)專利分別占22.1%和8.1%。

圖2 專利權(quán)人地域分布

美國在語音識別技術(shù)出現(xiàn)的早期處于壟斷地位，因為最早研究語音識別技術(shù)的貝爾實驗室、卡梅隆大學(xué)等都位于美國，同時美國的經(jīng)濟和硬件基礎(chǔ)也使得美國在語音識別技術(shù)發(fā)展前期占據(jù)明顯優(yōu)勢。近些年來，中國在政府和市場資本的推進下，緊跟語音識別技術(shù)的最新發(fā)展方向，核心算法不斷改進、硬件基礎(chǔ)不斷完善、產(chǎn)業(yè)鏈不斷升級，在科大訊飛、百度、思必馳等科技公司的帶頭引領(lǐng)下，語音識別技術(shù)在迅猛發(fā)展。從圖中可以看出，中國在專利申請數(shù)量上已經(jīng)超過美國企業(yè)，具有較強的語音識別技術(shù)市場與研發(fā)力量。

（三）全球語音識別專利權(quán)人分布

語音識別領(lǐng)域主要專利權(quán)人申請數(shù)量及年度分布分別如圖3和圖4所示。從圖3可以看出，在語音識別領(lǐng)域，國外開始研究的比較早，紐昂斯通訊公司和微軟公司的專利申請數(shù)量最多，分別為2711件和2693件。紐昂斯通訊公司是行業(yè)領(lǐng)先面向全球企業(yè)和消費者的語音和語言解決方案的通訊服務(wù)商，他們于20年前創(chuàng)建了語音識別空間，自那時以來一直在醫(yī)療保健、金融服務(wù)、電信、零售和政府領(lǐng)域建立深厚的領(lǐng)域?qū)I(yè)知識，是語音技術(shù)領(lǐng)域的行家。微軟公司作為全球最大的PC軟件公司，在其推出的眾多操作系統(tǒng)中，越來越重視語音識別技術(shù)的開發(fā)和應(yīng)用，2016年開發(fā)出一種機器學(xué)習(xí)算法，使計算機對指定主題對話的語音識別率提高至94.1%，首次與人類水平相當，極大促進了語音識別技術(shù)的進一步競爭和發(fā)展。

圖3 主要專利權(quán)人分布（前10位）

圖4 主要專利權(quán)人申請趨勢

從主要專利權(quán)人來看，除紐昂斯和微軟之外，國際商業(yè)機器公司、谷歌公司等也緊隨其后，中國的百度、騰訊、平安科技公司專利申請數(shù)量也躋身前十。從事語音識別研究開發(fā)的公司、院校遍布全球，沒有哪一家結(jié)構(gòu)處于絕對壟斷地位，這是因為人工智能技術(shù)的迅速發(fā)展以及語音識別的市場需求，致使各機構(gòu)都在加大對語音識別技術(shù)的投入，以提高自己的市場競爭力。

從圖4的主要專利權(quán)人申請趨勢來看，全球語音巨頭紐昂斯的專利申請數(shù)量在近幾年呈現(xiàn)明顯的下降趨勢，這主要歸因于2012年深度學(xué)習(xí)爆發(fā)，全球語音市場競爭加劇，再加上紐昂斯公司技術(shù)人才流失、管理戰(zhàn)略不當?shù)葐栴}，致使其在語音識別領(lǐng)域的發(fā)展一路下滑。與之相反的，中國的百度、騰訊、平安科技近幾年來的專利申請數(shù)量增長迅速，這與中國政府和市場資本的推進密切相關(guān)。中國各大企業(yè)、院校都努力跟隨語音識別技術(shù)的最新發(fā)展方向，發(fā)展勢頭迅猛，具有很大的發(fā)展?jié)摿Α?/p>

（四）全球語音識別專利壽命分析

圖5為全球語音識別領(lǐng)域?qū)＠麎勖植?。其中，專利壽命大?0年的專利占比達到70%，5～10年的專利和3～5年的專利占比分別為17%、6%。部分專利未達到法定保護期屆滿就已經(jīng)失效，是由于專利權(quán)人根據(jù)自身的實際情況和專利的收益情況，通過不繳費等方式，提前終止了專利權(quán)?？傮w而言，全球語音識別領(lǐng)域的專利壽命水平較高，說明專利的品質(zhì)較好，技術(shù)水平和經(jīng)濟價值普遍較高。

圖5 專利壽命分布

（五）全球語音識別專利法律狀態(tài)分析

從圖6的語音識別領(lǐng)域全球?qū)＠姆蔂顟B(tài)看，截止到2020年6月30日，有32%的專利處于有效狀態(tài)，另有26%的專利已經(jīng)失效。失效原因可能是專利已經(jīng)超過法定保護期限，也可能是專利權(quán)人未及時繳納專利年費而喪失了專利權(quán)。而處于審中狀態(tài)的專利占比高達35%，這主要因為語音識別技術(shù)在2011年底進入DNN-HMM時代后，才出現(xiàn)新一波研發(fā)熱潮，伴隨各企業(yè)、院校的大量人才和資金投入而快速發(fā)展，提出大量發(fā)明專利，故很多發(fā)明專利仍處于審查狀態(tài)。

圖6 全球語音識別全球?qū)＠蔂顟B(tài)分析圖

（六）全球語音識別專利IPC分布

全球?qū)＠攸c技術(shù)（排名前10位的IPC小類專利）年度分布情況如圖7所示。從最近十年的技術(shù)分布情況來看，“在語音識別過程中（例如在人機對話過程中）使用的程序”（G10L15/22）和“語音—正文識別系統(tǒng)”（G10L15/26）始終保持占有較大比重，說明這兩個技術(shù)領(lǐng)域發(fā)展平穩(wěn)且始終保持較高的熱度。而“信息檢索；及其數(shù)據(jù)庫結(jié)構(gòu)”（G06F17/30）、“語音識別”（G10L15/00）的所占比重在近幾年有明顯下降。值得關(guān)注的是，“應(yīng)用電子設(shè)備進行識別的方法或裝置”（G06K9/62）、“用于閱讀或識別印刷或書寫字符或者用于識別圖形”（G06K9/00）、“體系結(jié)構(gòu)，例如，互連拓撲”（G06N3/04）等幾個方向的專利數(shù)量從2014年以后開始逐年攀升，總體呈現(xiàn)明顯上升趨勢，反映出語音識別技術(shù)的這些重要研究領(lǐng)域正在快速發(fā)展，研發(fā)重點也逐步向面向?qū)嶋H生產(chǎn)生活的實用性語音交互產(chǎn)品轉(zhuǎn)移。

圖7 全球?qū)＠攸c技術(shù)年度分布

三、全球語音識別專利分析總結(jié)和展望

從20世紀50年代語音識別技術(shù)萌芽至今，語音識別已經(jīng)歷六十多年的發(fā)展。縱觀這六十多年的發(fā)展史，語音識別技術(shù)經(jīng)歷了起始、快速發(fā)展、應(yīng)用開發(fā)、重燃熱潮四個發(fā)展階段。自2012年以后，得益于DNN技術(shù)在大詞匯量連續(xù)語音識別上的突破，語音識別技術(shù)在全球范圍內(nèi)發(fā)展迅速，研發(fā)團隊投入力量大幅增加，語音識別技術(shù)進入重燃熱潮階段，專利申請數(shù)量持續(xù)快速增長。截止到2020年6月底全球?qū)＠暾堃呀?jīng)超過57萬件。

語音識別領(lǐng)域的全球?qū)＠暾堉?，有近八成來自于中國和美國。我國相比國外起步晚，但近些年來由于政府和市場資本的大力推進，以及科大訊飛、百度等科技公司的引領(lǐng)，中國語音識別技術(shù)發(fā)展迅猛，專利申請數(shù)量上已經(jīng)超過美國企業(yè)，有著非常強大的語音識別技術(shù)市場與研發(fā)力量?？v觀全球?qū)＠暾?，其專利?quán)人數(shù)量非常多，紐昂斯、微軟、IBM、谷歌等幾家國際巨頭始終占據(jù)知識產(chǎn)權(quán)優(yōu)勢，同時中國的百度、騰訊、平安科技等公司也在奮起直追，語音識別技術(shù)總體處于群雄逐鹿狀態(tài)，各機構(gòu)都在加大技術(shù)投入，以提高自己的市場競爭力。

語音識別作為人工智能重點發(fā)展方向，不僅為人工智能發(fā)展提供了強大的推動力，也在政策、技術(shù)和投融資方面受到各界的持續(xù)關(guān)注。國內(nèi)外相關(guān)機構(gòu)的研究熱情和資金投入持續(xù)攀高，大型企業(yè)和創(chuàng)新型企業(yè)都將語音識別作為重要切入口，已經(jīng)逐漸凸顯出語音識別領(lǐng)域競爭的激烈態(tài)勢。因而，要想把握住語音識別領(lǐng)域的發(fā)展優(yōu)勢，先發(fā)企業(yè)應(yīng)充分利用多年技術(shù)積累和資源積累，構(gòu)建自己的產(chǎn)業(yè)生態(tài)體系；新興企業(yè)應(yīng)著眼和把握定制特征明顯的行業(yè)應(yīng)用領(lǐng)域，努力打造自己獨特的核心技術(shù)。同時，各企業(yè)和研發(fā)機構(gòu)都應(yīng)提高對知識產(chǎn)權(quán)創(chuàng)造、保護和運用的意識，根據(jù)產(chǎn)業(yè)、技術(shù)的不同發(fā)展階段以及自身的優(yōu)劣勢積極進行有效的專利布局。

猜你喜歡

專利權(quán)人專利申請語音

基于動態(tài)博弈的企業(yè)專利訴訟研究：動機與訴訟收益

商展經(jīng)濟(2023年3期)2023-02-20 06:13:10

魔力語音

閱讀(快樂英語高年級)(2019年5期)2019-09-10 07:22:44

基于MATLAB的語音信號處理

電子制作(2019年14期)2019-08-20 05:43:38

基于MQ3與MP3的價廉物美的酒駕語音提醒器

電子制作(2019年9期)2019-05-30 09:42:10

對方正在輸入……

小說界(2018年5期)2018-11-26 12:43:42

對標準必要專利權(quán)人拒絕許可行為的反壟斷規(guī)制

知識產(chǎn)權(quán)(2016年7期)2016-12-01 07:00:46

專利申請審批流程圖

河南科技(2016年8期)2016-09-03 08:08:22

專利申請三步曲

發(fā)明與創(chuàng)新(2016年5期)2016-08-21 13:42:50

以美國及臺灣地區(qū)的知識產(chǎn)權(quán)管理經(jīng)驗解讀專利糾紛談判策略（上）

華東科技(2013年4期)2013-03-26 03:31:44

國外專利申請如何盡快被授權(quán)

發(fā)明與創(chuàng)新(2013年1期)2013-03-11 15:53:28

科技中國2021年12期

科技中國的其它文章

關(guān)于長沙市園區(qū)產(chǎn)業(yè)集群化發(fā)展布局的思考

“一稻三蝦”開創(chuàng)先河 綜合種養(yǎng)振興鄉(xiāng)村
——記江蘇里下河地區(qū)農(nóng)業(yè)科學(xué)研究所張家宏研究員

歐盟數(shù)字轉(zhuǎn)型及中歐合作機遇

聚焦顯示應(yīng)用領(lǐng)域 助力破解技術(shù)難題
——記福建省“杰出青年基金”獲得者福州大學(xué)陳惠鵬教授

持之以恒提升“中國制造”品質(zhì)
——記北京市科技進步獎獲得者北京工業(yè)大學(xué)機電學(xué)院程強教授

以科技支撐黃河流域高質(zhì)量發(fā)展