核心摘要：
智能語音產(chǎn)業(yè)發(fā)展：近年來，智能語音技術(shù)與互聯(lián)網(wǎng)、企業(yè)服務(wù)、消費硬件、傳媒、醫(yī)療健康等各行業(yè)的深度融合帶來了新的用戶需求增長和商業(yè)模式創(chuàng)新，創(chuàng)造產(chǎn)業(yè)經(jīng)濟價值、繁榮產(chǎn)業(yè)生態(tài)，算法模型、優(yōu)質(zhì)數(shù)據(jù)集與多樣化應(yīng)用場景助力產(chǎn)業(yè)規(guī)模走高。部分智能語音產(chǎn)品如語音助手、語音轉(zhuǎn)寫、智能客服等取得產(chǎn)品價值突破或商業(yè)上的顯著成就，語音識別相關(guān)產(chǎn)品多已進入穩(wěn)步上升期。但在細(xì)分產(chǎn)品的交互體驗、使用效果、場景優(yōu)化等方面仍面臨長期求索。人們面對“AI”時希望得到的自然、類人、甚至高信息密度的交互體驗，仍然是一個宏偉的開放性課題。
智能語音轉(zhuǎn)寫產(chǎn)品：語音識別產(chǎn)品早期主要是語音聽寫，即用戶說一句、機器識別一句；后來發(fā)展成語音轉(zhuǎn)寫，更聚焦于人人交流場景。智能語音轉(zhuǎn)寫是可以支持長音視頻的語音轉(zhuǎn)文字服務(wù)，附加產(chǎn)品服務(wù)、多語種翻譯、內(nèi)容分析等智能化功能，滿足用戶在會議、庭審、采訪、直播、視頻制作、客服質(zhì)檢等場景中的實時與非實時語音轉(zhuǎn)寫需求。隨著語音識別準(zhǔn)確性及效率的提升、多語種與方言轉(zhuǎn)寫服務(wù)豐富，以及上下文糾正、標(biāo)點過濾、自定義熱詞配置、聲紋角色分離、語音內(nèi)容分析提取等功能的逐步優(yōu)化，智能語音轉(zhuǎn)寫服務(wù)的商業(yè)化落地與多場景復(fù)用持續(xù)推進，成為語音識別產(chǎn)品的“排頭兵”。
智能語音轉(zhuǎn)寫市場：在人力成本、協(xié)同辦公、傳媒音視頻、會展交流、跨國溝通等多重因素驅(qū)動下，中國智能轉(zhuǎn)寫市場不斷注入需求活力，2021年中國智能語音轉(zhuǎn)寫市場規(guī)模已約為10億元。未來，隨著智能轉(zhuǎn)寫的技術(shù)突破、功能豐富及場景泛化，智能轉(zhuǎn)寫市場規(guī)模將加速上揚，預(yù)計2026年市場規(guī)模將達到38億。從產(chǎn)品形態(tài)來看，智能轉(zhuǎn)寫產(chǎn)品主要包括SaaS類產(chǎn)品與本地化部署解決方案兩大類。其中，SaaS市場頭部聚集效應(yīng)顯著，訊飛聽見與搜狗聽寫位列第一梯隊，訊飛聽見在轉(zhuǎn)寫準(zhǔn)確率尤其是小語種和方言等、產(chǎn)品豐富度、品牌影響力和發(fā)展?jié)摿S度拔得頭籌。未來，SaaS形式API調(diào)用與垂類解決方案將形成合力，構(gòu)成智能語音轉(zhuǎn)寫產(chǎn)業(yè)既快且穩(wěn)的增長飛輪，高生態(tài)活性加硬解決方案實力的企業(yè)將更能突出重圍，搶占更多增量市場。
智能語音轉(zhuǎn)寫趨勢洞察：從技術(shù)趨勢來看，語音識別技術(shù)的精度和速度仍取決于實際應(yīng)用環(huán)境，面對“混合語種”“嘈雜環(huán)境”下的“多人”“交互”“重疊”等多重因素交織的復(fù)雜語音場景，語音轉(zhuǎn)寫技術(shù)應(yīng)用仍有待突破；從場景價值來看，如今智能轉(zhuǎn)寫應(yīng)用領(lǐng)域大多僅服務(wù)于從語音到文字轉(zhuǎn)寫內(nèi)容的實現(xiàn)，未來轉(zhuǎn)寫應(yīng)用可結(jié)合自然語言理解、機器學(xué)習(xí)、知識圖譜等AI技術(shù)，拓展轉(zhuǎn)寫產(chǎn)品的場景邊界，深入挖掘轉(zhuǎn)寫內(nèi)容價值，以更高階、智能的輔助替代角色，為客戶提供問題預(yù)警、策略總結(jié)、決策分析等功能服務(wù)；從廠商策略來看，各家將以構(gòu)建自身產(chǎn)品生態(tài)，加強外部場景合作為策略核心，基于自身企業(yè)特點選擇差異化側(cè)重，共同推進轉(zhuǎn)寫技術(shù)的應(yīng)用滲透與市場發(fā)展。
智能語音產(chǎn)業(yè)的宏觀背景
數(shù)字信息輸入輸出的重要載體，人工智能產(chǎn)業(yè)落地“先鋒軍”
智能語音技術(shù)指通過聲音信號的前端處理、語音識別（ASR）、自然語言處理（NLP）、語音合成（TTS）等技術(shù)形成完整的人機語音交互流程，是實現(xiàn)人與機器交流的紐帶，也是數(shù)字信息輸入與輸出的重要載體。近年來，智能語音技術(shù)與互聯(lián)網(wǎng)、企業(yè)服務(wù)、消費硬件、傳媒、醫(yī)療健康等各行業(yè)的深度融合帶來了新的用戶需求增長和商業(yè)模式創(chuàng)新，創(chuàng)造產(chǎn)業(yè)經(jīng)濟價值、繁榮產(chǎn)業(yè)生態(tài)。智能語音產(chǎn)業(yè)的迅速發(fā)展促進了我國數(shù)字經(jīng)濟發(fā)展、提高了社會治理的智能化水平、推動了我國人工智能技術(shù)創(chuàng)新的戰(zhàn)略突破。作為人工智能產(chǎn)業(yè)落地的“先鋒軍”，智能語音產(chǎn)業(yè)得到了國家和地方政策的有力支持，且隨著參與者不斷進入智能語音賽道，“百舸爭流，千帆競發(fā)”，產(chǎn)業(yè)技術(shù)水平和產(chǎn)品競爭力不斷提高。
智能語音產(chǎn)業(yè)的產(chǎn)品成熟度
語音識別相關(guān)產(chǎn)品多已進入穩(wěn)步上升期
人類對機器語音識別的探索始于20世紀(jì)50年代，迄今已逾70年。2016年，在深度神經(jīng)網(wǎng)絡(luò)的幫助下，機器語音識別準(zhǔn)確率第一次達到人類水平，意味著智能語音技術(shù)落地期到來。后隨著近場語音識別準(zhǔn)確率提升、遠(yuǎn)場語音識別和喚醒發(fā)展、全雙工語音交互出現(xiàn)、基于NLP的對話和問答能力逐漸成熟、知識圖譜技術(shù)助力對話引擎以及針對實際應(yīng)用中的算法優(yōu)化，智能語音技術(shù)的落地可用性不斷突破。但其背后涉及的聲學(xué)研究、模式識別研究、通用NLP研究及垂直場景的深度語義理解等還未成熟到拼成一個沒有明顯短板的“木桶”。因此盡管部分智能語音產(chǎn)品如語音助手、語音轉(zhuǎn)寫、智能客服等已取得了產(chǎn)品價值突破或商業(yè)上的顯著成就，但在細(xì)分產(chǎn)品的交互體驗、使用效果、場景優(yōu)化等方面仍面臨長期求索。人們面對“AI”時希望得到的自然、類人、甚至高信息密度的交互體驗，仍然是一個宏偉的開放性課題。
智能語音轉(zhuǎn)寫的定義與分類
語音識別產(chǎn)品的重要輸出形態(tài)，分為實時與非實時語音轉(zhuǎn)寫
語音識別產(chǎn)品早期主要是語音聽寫，即用戶說一句、機器識別一句；后來發(fā)展成語音轉(zhuǎn)寫，更聚焦于人人交流場景。智能語音轉(zhuǎn)寫是可以支持長音視頻的語音轉(zhuǎn)文字服務(wù)，分為實時語音轉(zhuǎn)寫與非實時語音轉(zhuǎn)寫，可為信息處理和數(shù)據(jù)挖掘提供基礎(chǔ)。適用于線上線下會議記錄轉(zhuǎn)寫、影視字幕制作、媒體新聞工作、會議翻譯等多個應(yīng)用情境。作為數(shù)字化勞動力，解決剛需問題，有效提高辦公效率。隨著語音識別準(zhǔn)確性及效率的提升、多語種與方言轉(zhuǎn)寫服務(wù)豐富，以及上下文糾正、標(biāo)點過濾、語氣詞過濾、自定義熱詞配置、聲紋角色分離、語音內(nèi)容分析提取等智能化服務(wù)功能的逐步優(yōu)化，智能語音轉(zhuǎn)寫服務(wù)的商業(yè)化落地與多場景復(fù)用持續(xù)推進，成為語音識別產(chǎn)品的“排頭兵”。
智能語音轉(zhuǎn)寫的需求場景
以轉(zhuǎn)寫功能為基礎(chǔ)，滿足細(xì)分場景需求，構(gòu)成豐富產(chǎn)品形態(tài)
自從以遠(yuǎn)場語音技術(shù)落地為代表的智能音箱產(chǎn)品規(guī)模化應(yīng)用、深度神經(jīng)網(wǎng)絡(luò)下的聲學(xué)模型研發(fā)創(chuàng)新進入平穩(wěn)發(fā)展期后，語音識別賽道的產(chǎn)業(yè)競爭已經(jīng)從標(biāo)準(zhǔn)環(huán)境下的算法研發(fā)比拼，過渡到了在真實細(xì)分需求場景下如何滿足用戶體驗的競爭。智能語音轉(zhuǎn)寫產(chǎn)品也遵循這一賽道特征，以語音轉(zhuǎn)文字功能為基礎(chǔ)，附加產(chǎn)品服務(wù)、多語種翻譯、內(nèi)容分析等智能化服務(wù)功能，滿足用戶在會議、庭審、采訪、直播、視頻制作、客服質(zhì)檢等場景中的實時與非實時語音轉(zhuǎn)寫需求。智能語音轉(zhuǎn)寫產(chǎn)品具備豐富的產(chǎn)品形態(tài)，可應(yīng)用于娛樂傳媒、在線教育、會議會展、同傳等多行業(yè)領(lǐng)域，幫助提升企事業(yè)單位辦公人群、學(xué)生、自媒體從業(yè)人員、翻譯專業(yè)人士等各類群體的工作效率。
智能語音轉(zhuǎn)寫的價值意義
存量助力人工轉(zhuǎn)寫市場，增量釋放更多潛在場景需求
傳統(tǒng)人力轉(zhuǎn)寫市場依賴經(jīng)驗豐富的速錄師與人工轉(zhuǎn)寫團隊，成本相對高昂，而隨著智能語音轉(zhuǎn)寫產(chǎn)品的規(guī)模化落地應(yīng)用，該類存量市場可借助智能轉(zhuǎn)寫產(chǎn)品，實現(xiàn)對人工轉(zhuǎn)寫的有效輔助及優(yōu)化，為下游客戶提供更高質(zhì)效的人機耦合服務(wù)；此外，轉(zhuǎn)寫應(yīng)用仍有更大規(guī)模的潛在市場需求待挖掘，原受限于渠道、價格等因素，轉(zhuǎn)寫產(chǎn)品多應(yīng)用于有垂類轉(zhuǎn)寫需求的小眾應(yīng)用領(lǐng)域，而智能語音轉(zhuǎn)寫產(chǎn)品逐步讓轉(zhuǎn)寫應(yīng)用實現(xiàn)泛化，市場邊界也將逐步擴散，未來智能語音轉(zhuǎn)寫產(chǎn)品有望開發(fā)更多潛在增量市場，撬動可用智能轉(zhuǎn)寫產(chǎn)品滿足的長尾需求，進一步優(yōu)化用戶的應(yīng)用體驗。
智能語音轉(zhuǎn)寫產(chǎn)業(yè)圖譜
智能語音轉(zhuǎn)寫的發(fā)展驅(qū)力
智能語音轉(zhuǎn)寫可化解人工成本走高與質(zhì)量要求提升的發(fā)展矛盾
近十年來，中國人口增勢放緩，勞動人口紅利見頂，供應(yīng)結(jié)構(gòu)性短缺致使企業(yè)人力用工成本不斷攀升。根據(jù)國家統(tǒng)計局?jǐn)?shù)據(jù)，2020年中國租賃和商務(wù)服務(wù)業(yè)城鎮(zhèn)單位就業(yè)人員平均工資已達到92924元，相比十年前漲幅已達到1.35倍。人工轉(zhuǎn)寫成本的大幅上漲為轉(zhuǎn)寫行業(yè)帶來更多價格壓力。此外，隨著轉(zhuǎn)寫場景的泛化升級，轉(zhuǎn)寫需求滲透到各行各業(yè)，轉(zhuǎn)寫內(nèi)容專業(yè)度也不斷提升，具備行業(yè)背景知識的轉(zhuǎn)寫譯員更成為市場供給側(cè)的稀缺人力資源，且轉(zhuǎn)寫交付水平存在不穩(wěn)定性，與個人服務(wù)能力高度掛鉤。在此發(fā)展背景下，轉(zhuǎn)寫市場亟需智能語音轉(zhuǎn)寫產(chǎn)品，以輔助優(yōu)化人工轉(zhuǎn)寫產(chǎn)品的角度切入，提供低成本、高質(zhì)量、具備穩(wěn)定交付水平的轉(zhuǎn)寫服務(wù)，滿足更多市場需求缺口。
企業(yè)協(xié)同在線辦公常態(tài)化，助力轉(zhuǎn)寫功能實現(xiàn)更多用戶觸達
2020年初，受疫情影響，很多企業(yè)無法按時復(fù)工復(fù)產(chǎn)，遠(yuǎn)程辦公成為維持社會經(jīng)濟正常運行的重要平臺應(yīng)用，用戶需求顯著提升，視頻會議、電話會議、在線文檔編輯等遠(yuǎn)程協(xié)作功能得到更廣泛應(yīng)用。根據(jù)中國互聯(lián)網(wǎng)絡(luò)發(fā)展統(tǒng)計報告數(shù)據(jù)，2022年月中國在線辦公用戶規(guī)模已躍升至4.7億，相比2020年6月增長幅度高達131.4%。如今疫情仍在延宕反復(fù)，隨著用戶在線協(xié)同辦公習(xí)慣的逐漸養(yǎng)成，遠(yuǎn)程協(xié)同辦公或?qū)⒊蔀槌B(tài)化運營工具，持續(xù)推動企業(yè)數(shù)字化轉(zhuǎn)型。而相較于硬件錄音與錄音應(yīng)用的產(chǎn)品形式，會議應(yīng)用無需用戶購買錄音設(shè)備或額外開啟錄音應(yīng)用即可觸達轉(zhuǎn)寫服務(wù)，提供了更直接的應(yīng)用切入點，助力轉(zhuǎn)寫功能在辦公場景實現(xiàn)更廣泛的用戶觸達。
網(wǎng)絡(luò)視頻興起，為轉(zhuǎn)寫產(chǎn)品開拓更多應(yīng)用空間
隨著數(shù)字技術(shù)與互聯(lián)網(wǎng)技術(shù)的普及，網(wǎng)絡(luò)視頻快速發(fā)展，短視頻因滿足用戶高漲的碎片化娛樂需求而迎來一撥爆發(fā)式增長，進一步提升用戶對整體網(wǎng)絡(luò)視頻領(lǐng)域的關(guān)注度與滲透率。如今網(wǎng)絡(luò)視頻已然成為人們生活娛樂、了解信息的重要組成形式。根據(jù)中國互聯(lián)網(wǎng)絡(luò)發(fā)展統(tǒng)計報告數(shù)據(jù)，2022年6月，中國網(wǎng)絡(luò)視頻用戶規(guī)模已經(jīng)達到9.9億人，占全部網(wǎng)民的94.6%。作為網(wǎng)絡(luò)視頻的供給方，自媒體工作者、長視頻內(nèi)容編輯方均對視頻內(nèi)容的字幕轉(zhuǎn)寫具備強需求，一方面字幕可幫助用戶更好觀看視頻內(nèi)容，并在靜音模式也不影響觀看；另一方面字幕轉(zhuǎn)寫還可提供翻譯功能，助力網(wǎng)絡(luò)視頻在國際環(huán)境下的推動傳播；此外，對于平臺監(jiān)管方來說，語音轉(zhuǎn)寫可服務(wù)于平臺內(nèi)容監(jiān)控需求，及時進行內(nèi)容管理，避免網(wǎng)絡(luò)直播及視頻帶來的合規(guī)風(fēng)險。綜合來看，網(wǎng)絡(luò)視頻的長足發(fā)展為轉(zhuǎn)寫產(chǎn)品開拓了更多市場應(yīng)用空間。
會展雙線融合舉辦不斷提升，SaaS轉(zhuǎn)寫產(chǎn)品需求走高
在2020年以前，會展行業(yè)多在線下舉行。面對國際語言的交流環(huán)境，會展行業(yè)的字幕轉(zhuǎn)寫產(chǎn)品大多采用線下人機耦合的服務(wù)模式，即專業(yè)的語音轉(zhuǎn)寫服務(wù)團隊與硬件機器設(shè)備相結(jié)合，為會展交流提供字幕上屏、多語種同傳等的現(xiàn)場會議服務(wù)。而在疫情多點散發(fā)的情況下，會展活動的舉辦面臨很多不確定性因素。根據(jù)中國會展主辦機構(gòu)數(shù)字化調(diào)研報告顯示，2021年，疫情導(dǎo)致各類會展活動取消、延期、異地舉辦，會展活動選擇線上線下相結(jié)合模式舉辦成為常態(tài)。字幕轉(zhuǎn)寫產(chǎn)品形態(tài)也由原來線下的人機耦合形式逐漸傾向于線上SaaS服務(wù)形式，并可配合線上人工智能服務(wù)團隊或翻譯團隊提供實時校驗服務(wù)。此外，SaaS產(chǎn)品形態(tài)的需求延伸進一步豐富轉(zhuǎn)寫產(chǎn)品的客群覆蓋度，除會展舉辦方外，更多C端用戶也可通過SaaS轉(zhuǎn)寫及翻譯產(chǎn)品滿足個人國際參會、實時翻譯的會展需求。
轉(zhuǎn)寫產(chǎn)品助力解決出海生態(tài)下的復(fù)合型翻譯人才需求
近年來雖然新冠疫情反復(fù)、地緣沖突加劇，全球經(jīng)濟發(fā)展變數(shù)頻發(fā)，但中國企業(yè)出海浪潮已逐漸越過探索期，在視頻、游戲、電商、企業(yè)級SaaS服務(wù)等各領(lǐng)域催生出“出海繁榮”。2021年，中國對外直接投資凈額1788.2億美元，比上年增長16.3%，連續(xù)十年位列全球前三，且超越出現(xiàn)統(tǒng)計數(shù)據(jù)以來首次負(fù)增長的2017年絕對值。目前，由于海外市場仍處于高速增長階段且出海市場各賽道集中度不高，我國出海行業(yè)仍具有極大潛力，在企業(yè)業(yè)務(wù)運營、跨國交流等領(lǐng)域?qū)?fù)合型翻譯人才需求較大。根據(jù)中國翻譯協(xié)會調(diào)研，高級翻譯人才稀缺、非通用語種人才匱乏、高校教育與實際工作需求脫節(jié)、無法滿足多個專業(yè)領(lǐng)域翻譯需求是翻譯行業(yè)面臨的發(fā)展難點。在此背景下，智能語音轉(zhuǎn)寫產(chǎn)品的翻譯及同傳功能，不僅能有效提高翻譯工作者的工作效率，同時人機耦合的形式也使各領(lǐng)域的非翻譯專業(yè)人才具備完成業(yè)務(wù)需要翻譯工作的可能性。
智能語音轉(zhuǎn)寫的行業(yè)規(guī)模
需求活力持續(xù)注入，預(yù)計2026年市場規(guī)模達38億
目前，智能轉(zhuǎn)寫產(chǎn)品率先在辦公會議、傳媒音視頻、會展交流等領(lǐng)域展開應(yīng)用，用戶接受度日益成熟。據(jù)艾瑞研究院統(tǒng)計測算，2021年中國智能語音轉(zhuǎn)寫市場規(guī)模已約為10億元。未來，隨著智能轉(zhuǎn)寫的技術(shù)突破、功能豐富及場景泛化，智能轉(zhuǎn)寫市場規(guī)模將加速上揚。此外，轉(zhuǎn)寫產(chǎn)品可結(jié)合NLP、知識圖譜技術(shù)在單純轉(zhuǎn)寫內(nèi)容的基礎(chǔ)上升級為分析策略的輸出層級，釋放更多價值勢能，預(yù)計2026年中國智能語音轉(zhuǎn)寫行業(yè)市場規(guī)模將達到38億元，2021-2026 五年CAGR=30.7%。
智能語音轉(zhuǎn)寫的參與者類型
以語音技術(shù)、產(chǎn)品生態(tài)、細(xì)分領(lǐng)域為多樣立足點
根據(jù)參與廠商的市場立足點劃分，智能語音轉(zhuǎn)寫賽道的玩家可分為語音技術(shù)廠商、云服務(wù)廠商與專業(yè)轉(zhuǎn)寫及翻譯服務(wù)商。其中語音技術(shù)廠商在語音識別能力、轉(zhuǎn)寫服務(wù)水平上具備先發(fā)優(yōu)勢，且投入足夠精力進行技術(shù)研發(fā)與產(chǎn)品打磨，產(chǎn)品化能力優(yōu)秀，現(xiàn)占據(jù)智能語音轉(zhuǎn)寫市場的主流廠商地位；而云服務(wù)廠商的轉(zhuǎn)寫能力對內(nèi)服務(wù)于內(nèi)部產(chǎn)品的轉(zhuǎn)寫功能需求，對外多選擇開放語音轉(zhuǎn)寫能力達成外部合作以豐富平臺生態(tài)，垂直于轉(zhuǎn)寫的產(chǎn)品化能力較弱；專業(yè)轉(zhuǎn)寫及翻譯廠商通常以細(xì)分領(lǐng)域切入，深耕于辦公、翻譯、傳媒等某個細(xì)分領(lǐng)域，在垂類市場提供精細(xì)化、客制化產(chǎn)品及解決方案，滿足細(xì)分客戶的轉(zhuǎn)寫服務(wù)需要。
智能語音轉(zhuǎn)寫的產(chǎn)品形態(tài)
包括SaaS類產(chǎn)品及本地化部署解決方案，均可結(jié)合智能硬件
智能語音轉(zhuǎn)寫服務(wù)的產(chǎn)品形態(tài)主要包括SaaS類產(chǎn)品與本地化部署解決方案兩大類。以SaaS類產(chǎn)品為主，其核心是提供云端語音識別及轉(zhuǎn)寫服務(wù)，根據(jù)客戶分類與應(yīng)用情景差異，包括輕量級的網(wǎng)頁版/APP/PC/小程序產(chǎn)品和提供給B/G端客戶的API開發(fā)接口。SaaS類產(chǎn)品的主要特點是價格相對便宜、便捷度較高；而本地化部署的解決方案主要是為了滿足客戶的安全隱私與定制化需求，例如接入到政企內(nèi)部辦公平臺等，需要服務(wù)商具備定制化開發(fā)能力。此外，為了提升語音采集的質(zhì)量及多樣化的移動應(yīng)用場景，頭部廠商如訊飛聽見、搜狗聽寫等開發(fā)了種類豐富的功能性智能轉(zhuǎn)寫硬件，如錄音筆、麥克風(fēng)、智慧屏等，可提供云端或本地轉(zhuǎn)寫、錄音、存儲、編輯一體服務(wù)。
智能語音轉(zhuǎn)寫的收費模式與用戶畫像
知識密集行業(yè)用戶的辦公效率提升利器，下游客戶類型豐富
1）SaaS產(chǎn)品的前期投入主要集中于產(chǎn)品研發(fā)以及固定的IT支出，得益于其能夠同時為多租戶提供服務(wù)的特性，使得SaaS的邊際成本極低。這既給SaaS廠商帶來了相當(dāng)可觀的邊際利潤，也讓廠商在面對同類競爭時得以在價格上做出更多讓步。對于C端客戶的語音轉(zhuǎn)寫服務(wù)需求，產(chǎn)品提供方在早期一般采取低價或免費試用時長的模式集聚用戶，占領(lǐng)用戶心智，迅速做大用戶量。后期營收增長依賴滿足準(zhǔn)確率與實時率下的剛需客戶續(xù)費率、深耕多樣化場景以拓寬潛在客戶市場、軟硬一體的智能硬件產(chǎn)品拉高營收等；而企業(yè)客戶的價格敏感度則相對較低，更關(guān)注轉(zhuǎn)寫精準(zhǔn)度和實時性體驗等。對于遠(yuǎn)程會議、視頻剪輯、CRM等下游應(yīng)用，則多將語音轉(zhuǎn)寫作為附加功能提供增值服務(wù)，用戶可付費解鎖。
2）本地部署解決方案可滿足政企客戶的定制化與安全隱私需求。但部署成本高，項目制報價形式涵蓋軟件服務(wù)、實施與運維、硬件設(shè)備等費用。客戶在關(guān)注轉(zhuǎn)寫效果的同時，亦關(guān)注安全性、駐場訓(xùn)練語料、設(shè)備安裝等實施及售后服務(wù)能力。
智能語音轉(zhuǎn)寫SaaS產(chǎn)品分析
高便捷性、開箱即用、按需使用、快速響應(yīng)及多場景優(yōu)化
1）基于SaaS的語音轉(zhuǎn)寫服務(wù)產(chǎn)品通過將音頻文件上傳至云端，由云端轉(zhuǎn)寫引擎進行識別、轉(zhuǎn)寫、糾錯，完成實時或非實時的語音轉(zhuǎn)寫輸出。終端用戶可以在網(wǎng)頁或者APP上獲取結(jié)果，還可對結(jié)果進行編輯、分享、導(dǎo)出等操作。語音轉(zhuǎn)寫服務(wù)廠商通過多領(lǐng)域的語音轉(zhuǎn)寫模型優(yōu)化和行業(yè)詞庫，迭代更新以提升不同應(yīng)用場景下的轉(zhuǎn)寫準(zhǔn)確率，服務(wù)多類型客戶。隨著云計算技術(shù)發(fā)展，目前云端算力和網(wǎng)絡(luò)環(huán)境比較穩(wěn)定，SaaS轉(zhuǎn)寫產(chǎn)品的轉(zhuǎn)寫準(zhǔn)確率和效率與私有化部署解決方案的用戶感知度差距不是特別顯著。高便捷性、較低成本等優(yōu)勢使語音轉(zhuǎn)寫SaaS產(chǎn)品擁有龐大的終端消費群體。
2）且SaaS形式的轉(zhuǎn)寫產(chǎn)品具有開箱即用無需維護、按需使用等特點，可被集成到下游應(yīng)用軟件或手機、智慧屏、錄音筆、智能會議系統(tǒng)等各類硬件設(shè)備中。API轉(zhuǎn)寫引擎可支持遠(yuǎn)程會議、線上會展、電商直播、短視頻、在線課堂等軟件應(yīng)用的紀(jì)要轉(zhuǎn)寫、字幕制作、同傳翻譯等功能，拓寬應(yīng)用的產(chǎn)品服務(wù)邊界。廣泛的下游生態(tài)也有助于語音轉(zhuǎn)寫產(chǎn)品加速起量，擴大潛在市場空間。
智能語音轉(zhuǎn)寫SaaS產(chǎn)品發(fā)展環(huán)境
云計算普及助力下游企業(yè)便捷應(yīng)用語音轉(zhuǎn)寫服務(wù)
智能語音轉(zhuǎn)寫SaaS產(chǎn)品的普及推廣離不開我國云計算基礎(chǔ)設(shè)施的建設(shè)和技術(shù)成熟以及企業(yè)數(shù)字化轉(zhuǎn)型趨勢。我國云服務(wù)市場規(guī)模不斷增長，2021年中國整體云服務(wù)市場規(guī)模為3280億元，同比2020年增加45.4%，根據(jù)艾瑞咨詢推算，未來幾年的增速仍維持在30%以上。企業(yè)對云計算的接受程度也在不斷提高。中國信通院數(shù)據(jù)顯示，2019年中國企業(yè)應(yīng)用云計算的比例達到66.1%，較2017年增長11.4pct，企業(yè)在經(jīng)歷信息化階段后開始向數(shù)字化轉(zhuǎn)型。而在企業(yè)數(shù)字化轉(zhuǎn)型過程中，可有效提高會議交流、字幕轉(zhuǎn)寫編輯、同聲傳譯等場景辦公效率的語音轉(zhuǎn)寫SaaS產(chǎn)品，具備交付靈活、使用便捷等優(yōu)勢，且可降低企業(yè)現(xiàn)金流壓力，對泛互聯(lián)網(wǎng)等各類企業(yè)的數(shù)字化轉(zhuǎn)型和辦公效率提升具有重要意義。
智能語音轉(zhuǎn)寫SaaS產(chǎn)品競爭要素
轉(zhuǎn)寫準(zhǔn)確度和效率、產(chǎn)品豐富度是核心要素
綜合賽道特征，艾瑞咨詢評估智能語音轉(zhuǎn)寫SaaS產(chǎn)品競爭要素包含：轉(zhuǎn)寫準(zhǔn)確度與效率、產(chǎn)品豐富度、品牌影響力、價格優(yōu)勢、用戶體量與生態(tài)、發(fā)展?jié)摿α鶄€方面。從客戶選擇產(chǎn)品的角度看，雖然不同客戶類型和應(yīng)用場景的需求會面臨一定差異，但轉(zhuǎn)寫準(zhǔn)確度和效率、產(chǎn)品豐富度是解決用戶問題的第一前提；在此基礎(chǔ)上，有價格優(yōu)勢、品牌影響力大的玩家更容易受到客戶青睞。此外，用戶體量與生態(tài)實力強、發(fā)展?jié)摿Υ蟮漠a(chǎn)品市場競爭優(yōu)勢更明顯。
智能語音轉(zhuǎn)寫SaaS產(chǎn)品競爭格局
市場頭部聚集效應(yīng)顯著，參與者致力差異化深耕
現(xiàn)階段，我國智能語音轉(zhuǎn)寫產(chǎn)品市場較為集中，訊飛聽見和搜狗聽寫的頭部效應(yīng)明顯；但在產(chǎn)品同質(zhì)化壓力下，參與廠商也均積極在轉(zhuǎn)寫的各細(xì)分專業(yè)領(lǐng)域、云端及本地化服務(wù)形式、附加產(chǎn)品形態(tài)與產(chǎn)品生態(tài)多角度進行差異化深耕。根據(jù)六大競爭要素，艾瑞咨詢將市場上提供智能語音轉(zhuǎn)寫SaaS服務(wù)的廠商分為三個梯隊，其中語音技術(shù)廠商訊飛聽見和搜狗聽寫位列第一梯隊。訊飛聽見在轉(zhuǎn)寫準(zhǔn)確度尤其是針對小語種和方言等、產(chǎn)品豐富度、品牌影響力、發(fā)展?jié)摿S度拔得頭籌。
智能語音轉(zhuǎn)寫本地部署解決方案
產(chǎn)品服務(wù)升級，高安全性與定制化滿足大型政企客戶需求
為滿足大型企業(yè)及政府客戶對安全性和定制化的需求，智能語音轉(zhuǎn)寫SaaS廠商升級產(chǎn)品和服務(wù)，提供私有化部署形式和軟硬一體的產(chǎn)品解決方案。
1）本地部署的純軟件解決方案與SaaS產(chǎn)品的功能類似，但私有化部署的獨立服務(wù)器形式可保證客戶對數(shù)據(jù)保密的安全性需求且架構(gòu)自主；同時，語音轉(zhuǎn)寫能力提供商可針對客戶提供的特定語料進行模型訓(xùn)練，滿足客戶的定制化轉(zhuǎn)寫需求，貼合用戶業(yè)務(wù)場景，計算和執(zhí)行效率更高。
2）為了滿足政企大客戶的會議室、展會、傳媒編輯等線下場景的智慧辦公需求，軟硬一體的語音轉(zhuǎn)寫解決方案可打包提供定制化拾音功能硬件、多語種語音轉(zhuǎn)寫與翻譯能力、軟硬一體化開發(fā)接口等；對于隨身攜帶且有隱私要求的離線轉(zhuǎn)寫場景，一體機形式的語音轉(zhuǎn)寫設(shè)備則將硬件拾音、軟件與服務(wù)集成在一起，無需聯(lián)網(wǎng)，即開即用。
智能語音轉(zhuǎn)寫產(chǎn)業(yè)的飛輪模型
API經(jīng)濟與垂類解決方案共拓產(chǎn)業(yè)廣度與深度
平臺類廠商開放平臺API經(jīng)濟可拓展智能語音轉(zhuǎn)寫產(chǎn)業(yè)的廣度，形成平臺效應(yīng)，利用下游開發(fā)者的創(chuàng)新活性帶動市場發(fā)展，隨開發(fā)者生態(tài)聚集帶來龐大的下游規(guī)模經(jīng)濟效益；同時，垂類解決方案則延伸產(chǎn)業(yè)深度，聚焦剛需應(yīng)用與高價值環(huán)節(jié)，延伸出了錄音筆等智能硬件、協(xié)同辦公會議應(yīng)用、提取長時語音信息有效內(nèi)容等多條增量建設(shè)與運營需求業(yè)務(wù)線。API經(jīng)濟與垂類解決方案兩者合力，相輔相成，形成智能語音轉(zhuǎn)寫產(chǎn)業(yè)既快且穩(wěn)的增長飛輪。在此基礎(chǔ)上，高生態(tài)活性加硬解決方案實力的企業(yè)更能突出重圍，搶占市場。
技術(shù)趨勢
應(yīng)用價值提升仍受技術(shù)掣肘，轉(zhuǎn)寫場景有望進一步泛化
當(dāng)下語音識別技術(shù)的精度和速度仍取決于實際應(yīng)用環(huán)境，在常見語種、標(biāo)準(zhǔn)口音、安靜環(huán)境下的語音識別情況已達到了可規(guī)模化應(yīng)用狀態(tài)。但現(xiàn)實應(yīng)用場景隨機性極高，面對“混合語種”“嘈雜環(huán)境”下的“多人”“交互”“重疊”等多重因素交織的復(fù)雜語音場景，語音技術(shù)尚未能很好地處理這些問題。如今，語音轉(zhuǎn)寫應(yīng)用多限制在辦公會議、視頻直播等部分較為理想環(huán)境下的固定場景，下一代語音識別技術(shù)的突破創(chuàng)新有望實現(xiàn)轉(zhuǎn)寫場景泛化升級，進一步抬升語音技術(shù)的應(yīng)用價值與潛力空間。
場景價值
基于產(chǎn)品生態(tài)圈，多維度延伸轉(zhuǎn)寫技術(shù)的內(nèi)容價值鏈
從產(chǎn)品生態(tài)圈來看，智能語音轉(zhuǎn)寫既可以作為單獨功能產(chǎn)品出現(xiàn)，也可將轉(zhuǎn)寫模塊嵌入到各個產(chǎn)品及應(yīng)用領(lǐng)域中，將語音內(nèi)容沉淀為文字資產(chǎn)，與更多應(yīng)用形成內(nèi)容聯(lián)動，進一步拓展轉(zhuǎn)寫服務(wù)的技術(shù)優(yōu)勢與場景價值，打造連接轉(zhuǎn)寫應(yīng)用生態(tài)的良性循環(huán)；此外，如今智能轉(zhuǎn)寫應(yīng)用領(lǐng)域大多僅服務(wù)于從語音到文字轉(zhuǎn)寫內(nèi)容的實現(xiàn)，而從內(nèi)容價值鏈來看，未來轉(zhuǎn)寫應(yīng)用可結(jié)合自然語言理解、機器學(xué)習(xí)、知識圖譜等AI技術(shù)，拓展轉(zhuǎn)寫產(chǎn)品的場景邊界，深入挖掘轉(zhuǎn)寫內(nèi)容價值，在沉淀文字內(nèi)容基礎(chǔ)上，自主生成優(yōu)化策略，以更高階、智能的輔助替代角色，為客戶提供問題預(yù)警、策略總結(jié)、決策分析等功能服務(wù)。目前可代表的典型場景為客服內(nèi)容質(zhì)檢，但未來轉(zhuǎn)寫內(nèi)容的分析挖掘在銷售對話、辦公內(nèi)容洞察、視頻內(nèi)容分析、主播話術(shù)策略等領(lǐng)域有更加廣闊的商業(yè)化前景。
廠商策略
構(gòu)建自身產(chǎn)品生態(tài)，加強外部場景合作
順應(yīng)智能語音轉(zhuǎn)寫市場的需求釋放，各家參與廠商將持續(xù)開展差異化競爭策略，在轉(zhuǎn)寫市場找到適合自身情況的角色定位，共同推進轉(zhuǎn)寫技術(shù)的應(yīng)用滲透與市場發(fā)展。早期，智能語音廠商選擇率先構(gòu)建硬件生態(tài)，以硬件產(chǎn)品“創(chuàng)造”更多轉(zhuǎn)寫應(yīng)用場景，快速獲得C端流量入口與品牌認(rèn)知，隨后不斷加強軟件服務(wù)及生態(tài)能力。未來，智能語音廠商將在保證自身技術(shù)創(chuàng)新力與先進性的基礎(chǔ)上，集中發(fā)力內(nèi)部軟硬件生態(tài)的合力構(gòu)建；云服務(wù)廠商將持續(xù)保持對內(nèi)嵌入轉(zhuǎn)寫功能、對外開放轉(zhuǎn)寫能力的雙邊策略，發(fā)揮自身平臺優(yōu)勢，更多以提供底層能力服務(wù)的賦能者活躍市場；專業(yè)轉(zhuǎn)寫及翻譯廠商將繼續(xù)聚焦垂類場景，以轉(zhuǎn)寫及翻譯能力為核心產(chǎn)品，以客戶需求為導(dǎo)向，豐富軟件產(chǎn)品的功能模塊，加強構(gòu)建更完善、更具業(yè)務(wù)理解的軟件生態(tài)。
免責(zé)聲明：凡注明為其它來源的信息均轉(zhuǎn)自其它平臺，目的在于傳遞更多信息，并不代表本站觀點及立場。若有侵權(quán)或異議請聯(lián)系我們處理。
