帶著最完整的語音方案，Rokid CEO祝銘明三年后重返云棲大會

編者按：Misa，中文名祝銘明，前阿里巴巴 M 工作室領頭人，負責深度學習，視覺和自然語言處理的研發，2014年離職創立人工智能企業Rokid（若琪）。10月12日，祝銘明作為云棲大會演講嘉賓再次現身，宣布Rokid將與阿里云攜手合作，共同推出全棧語音開放平臺，為業界提供一站式語音解決方案，打造AI時代開放平臺的新標配。此消息一出引起內業廣泛關注，國內語音方案提供商科大訊飛的股票也一度暴跌。

以下內容為祝銘明演講內容，雷鋒網進行了編輯：

謝謝大家，三年我們都沒有參加云棲大會，外界說我們一直在憋大招。在演講之前我先說一句話，我們沒有被收購，但仍然能夠跟阿里一起做出非常精彩的東西；今天的演講我希望大家更多地站在這一次我們發布之后給整個產業帶來什么樣的變革做一些思考。

我們是一家不知名的小公司，所以先簡單做一下介紹。Rokid在2014年成立之初就在中美兩地都設立了實驗室，在北京有一個實驗室專門從事人工智能的算法方面的研究；在美國有一個實驗室從事一些新技術的探索和研究。在創業公司里邊，能夠在兩地設立專門的研究團隊是比較少見的。在兩個實驗室，我們有數十名年輕的科學家，非常有創意，非常有才華，一直在從事很多領域的研究，包括語音技術、信號處理、計算機視覺、電子工程、材料等諸多方面的研究。

在一家創業型公司，單位密度有這么多的科學家，這在中國是比較罕見的。

Rokid的數百名工程師在不斷努力地將科學研究成果轉換成用戶能看得到、摸得到、接觸得到的技術、工程及產品，這是我們的一大特點。

同時，不僅僅止步于研究和工程，我們還有非常頂級的設計團隊，產品設計、產品定義、交互、材料、工業設計，我們的團隊一直在做。剛才主持人也提到了我們成立之后幾乎每年都拿獎，相信我們還會繼續拿獎。CES組委會的一位朋友說你們再拿獎就可以拿“終身榮譽獎”了。

另外我們不僅僅是在技術層面，Rokid想要做的事情是將最好的層面，最邊界的技術用在老百姓看得到的產品上，所以我們不斷地向市場推出新的產品。我們每一年會給出新產品的體驗，有數萬用戶參與與Rokid的互動，這種互動的價值在本質上是怎樣能夠找到（好技術），因為產品與技術之間的鴻溝很大，你怎樣能夠找到很好的技術用在正確的方向上，怎樣傳遞技術的發展趨勢以及科技對生活的改變到底是怎樣的，這產生了一種交互，我們一直在摸索。

我們的團隊有幾十個博士，大部分人都在自己的專業領域沉淀十年以上，包括語音、信號以及一整套全棧的基礎研究。

另外，在Rokid成立的這三年我們就做一件事情，從軟件到算法到硬件到產品，整個的端對端的打磨，我們不僅僅是簡單地提供某一解決方案或整個方案里邊的某幾個環節，我們要做的是內容和服務，最后一直走到用戶終端體驗上，我們要做端對端的打磨，這樣才能做出非常體驗極致的產品，這是我們一直保持的宗旨。

做了這么多，我們的產品現在也已經上市兩代了，銷量也非常不錯，我們的用戶反饋也非常地好。AI技術有一個特點，這個特點是什么？當你打造完一個產品以后，如果一家公司做端對端的細節打磨會沉淀出一個全棧的技術能力，這個能力一定是過剩的。因為AI時代有一個特點，無法像手機時代一樣以單一的產品形態去贏得整個戰場。所以當一家公司不可能分散各種精力去做不同產品的時候，你要具備全棧能力的話要怎么辦？我們有三年的積累，以及我們對于用戶體驗的理解和細化，我們將這種能力在今天通過阿里云的大平臺分享給整個產業，所以這也是很多人意料之外的。Rokid是一家專注做產品的公司，今天為何會來這里跟大家溝通，而且我們選擇阿里云的IOT專場。我相信大家一定會很好奇，其實大家不用好奇，Rokid在成立的第一天，就與阿里云在緊密地合作，我自己也是從阿里云出來的。我們的高性能計算等很多服務都已經跑在了阿里云的云計算上，在這方面我們已經打磨了整整三年的時間了。

在這個月我們宣布一個重要的合作，阿里云和Rokid攜手向智能產業致敬，我們會形成比較好的合作。接下來向大家展示我們的一個產品，這是針對工程師、合作伙伴和一些科技愛好者的，包括你是企業的合作者或是一些感興趣的個人愛好者。如果做一個產品，以Rokid的風格來講一定要做到極致，做到漂亮，很少有工程師和開發者做出非常漂亮的產品，大家認為開發者就應忍受零亂的線路，丑陋的開發板以及極其難用的開發環境，其實不然，我們要給大家極致的體驗。

我們會將自己的整個語音智能解決方案分享給整個產業，那么它跟其他人的智能解決方案有何不同？

其實非常簡單，我們就將我們在產品上這么多年打磨的能力分享給所有人，定位成一個ALL-IN-ONE全棧語音智能方案，也就是說除了之前硬件軟件以及端上的體驗，我們還包括云端的內容跟阿里云合作，整個IOT都會打包在這個方案里邊給到大家。這么多的內容給到大家，它會是一個什么樣的東西？就長成這樣（下圖）。上面是一個LED燈的指示，有12個LED燈可以指示方向和狀態，我們有兩顆、四顆跟六顆麥克風，都集成在此。

整個解決方案包括通信、技術、藍牙、GPU、CPU以及麥克風陣列、信號處理、整套算法，還包括跟云端的合作，跟IOT設備的互聯互通。接下來我們會詳細地講到我們在這方面的努力。

一個3.5毫米的音頻輸出，傳統的耳機輸出，這是接口。這么小的設備里邊可以接MicroHDMI顯示輸出，直接接電視接顯示。Type-C電源調試，還可以對外輸出充電。

所以我們就以這樣的極致之美向工程師致敬，在座的各位都是IOT方面的專家，大家可以認真想象一下用這樣的產品可以做什么。

我們的合作伙伴的開發板，開發板可以用在一些交互比較復雜和豐富的產品上，電視、車載等任何比較有想象力的產品上。

用這樣的開發板開發會是一種什么樣的場景？你有一臺筆記本，可以進行USB充電，接上耳機，所有的東西都在了。

我們對產品的定義是精簡、漂亮、強勁、完整，這是一個完整的開發套件。在座的各位，你們可以不買Rokid產品，你們也可以不買任何其他的語音產品，如果你們用這個方案，也可以打造完全屬于自己的產品。如果大家不愿意做更多的變化，那么加一個外殼就可以了。

它的成本不能公布，但我可以告訴大家，一定是非常親民的價格。我們Rokid不會做非常低價格的產品，這是我們的定位，但我們并不排斥我們的合作伙伴去做一些更親民價格的產品，將自己的能力分享出去，這是我們的宗旨。   

說到這里，工程師“最強的大腦”、“最好的語音方案”、“最完整的方案”都在這里了，你可以將它放進去。工程師基本上就用這個在開發和享受的，甚至有愛好者拿這個東西，把他家里傳統的普通音箱變成了智能音箱，雖然沒有買我們的產品，但享受這份開心就夠了。這是我們對于開發套件的理解。

這種開發套件對有些人還不夠用，不用擔心，我們還有有很多自己的設備和規劃，未來我們要做玩具，要做機器人，還要做很多東西，沒關系，我們也有考慮。

這是我們的一個擴展板，有一些特殊按鈕的操作，它有GPIO口，還有紅外遙控接收，還有USB2.0的擴展口。當然，我們還有Type-C。這是最基本的開發套件，它可以裝在你的口袋里帶走，這么漂亮的開發套件之外，我們還有擴展板，這個套件大小是一樣的，這三樣足夠大家去做想要做的事情，我們能夠做好自己的1到2個產品就是非常不易了，所以我們也會專注在自己的產品方向，專注于做極致體驗的產品，但我們也會將這種能力全面開放給大家。

在軟件之上，語音和語義大家比較關心，Rokid會將什么樣的能力開放給整個業界？集成了麥陣技術、信息分析處理、語音識別、語音合成、語義理解、自定義喚醒詞等功能，這個月底這些功能就會跟大家見面，每一個用戶不需要訓練，就可以進行直接地定義。也就是說這個產品，已經不需要必須喊若琪激活，用戶想要叫它什么就可以叫什么，我家里已經改成“二丫頭”或“四姨太”了。聲紋識別可以讓你認識家里的每一個人，個性化語音合成，當你用一個人的聲音3到5分鐘，訓練的時候這臺設備就可以完全適應。還有一個技術是語種識別，當你跟它講中文，它就跟你講中文；當你跟它講英文，它就跟你講英文，不需要重新配置和重啟。包括大家對于自己的特定場景的自然語言的一些對話，可以做醫療、咨詢、客服、餐飲等任何方面的東西，我們會提供這樣的引擎給大家。所有的東西都全面開放。

所以，Rokid有什么，你們就有什么。這個開發套件的整套方案將和Rokid共享整個平臺，我們產品具備的能力第一天就同步出來。

今天我們不僅僅有這些基本的東西，還有內容和服務，如果大家有興趣還可以挑選很多內容和服務。這里邊也列出來了一些，音樂、有聲書、兒童故事、新聞、IOT、實時翻譯、購物和支付、天氣、醫療、時間日歷、行事歷、鬧鐘、匯率、外賣、快遞等。最近美國實驗室最新做了一個成果，完全支持無限制對話的語言游戲，購買我們的產品升級以后就可以玩游戲《狼人殺》，可以進行主持，還可以做小孩的數學教學活動，這都是突破當前語音和語義能力的無限制多人對話的技術，這種技術都會提供給大家，就在這個套件里邊。

我們是一家不知名小公司，但我們對接了很多合作伙伴。IOT我可以拍胸脯說是今天大家能看到的接得最廣的一家公司，大家可以看到阿里小智、小米、Lifesmart、Broadink，以及正在洽談的合作伙伴，我們的產品已經具備了這些能力。   

大家在想拿這個套件做什么？是不是變成了Rokid的一個方案輸出商，或只是你們的一個生產商？其實我們不希望做成這樣，既然是開放，我們就用真正開放的心態去做這件事情，所以我們定義成全棧開放。

在端上，語音的結構和麥陣與性能是直接相關的，這些東西有很多公司要花一年甚至兩年的時間才能夠調優，今天我連ME、EE都會用到它。包括AI端上計算（信號處理、自定義喚醒、噪音、回聲消除等）都會在架構上完成。我們最近跟國芯合作，把激活、降噪、自身音源消除這些算法集成到一塊dsp芯片中，用來降低功耗和節省成本。在端上打磨我們的產品，從硬件芯片開始整合我們的AI技術。在保證計算能力的情況下，可以盡量地制造出更貼近老百姓價格的產品。

所有的設計都是開放的，如果你覺得Rokid不夠好，你覺得自己的能力夠強，也可以將它換掉，我們會把所有的東西向大家開放。

當然，這些能力還不足夠好，所以在端之外還有一個語音的概念。包括AI的計算服務，語音識別、語義世界、語種識別等諸多的語音的計算，我們全部會在這兒公開。這里有兩套方案，一套是阿里自己的DST人工智能方案，一套是Rokid的方案。如果你有本事也可以換掉，因為這些都是開放的。包括我們的游戲、音樂、有聲讀物、新聞、天氣等智慧的東西都會向大家開放。第三方的內容和服務也會有，我們有完整的全棧的開放，所有的東西都不會被綁死。

在座的各位如果有自己的訴求，要做自己的內容，自己的服務以及自己的APP，要做自己垂直領域的東西，完全以這個開放價格去進行定義。

70%操作系統和框架代碼，100%的EE和ME設計全部免費。所以這是我們希望給產業帶來的一個不一樣的概念。

為什么要做這件事情？很簡單，智能不是一個可以賣的東西。

我們有智能手機、智能電視、智能汽車、智能音箱、智能行李箱、智能沙發、智能馬桶、智能燈泡；其實，在未來將沒有這些名字。未來只會回歸到電視、行李箱、手機、音箱，智能將會是無所不在的東西，你沒有必要去強調這個概念。我希望在座的各位以及整個產業都參與進來，我們跟阿里一起來講未來的世界，將智能化的世界快速發展起來。這次會議放出一個信號出來，在今天以后，整個產業會進入一個新的布局，如果你只擁有單一的云技術，你只有一些判斷的技術，可能在未來并不會特別輕松。大家還是更多地讓產業里的每一個合作伙伴專注在給用戶提供更好的產品、更好的服務以及更好的體驗，真正去改變這個世界，而不需要花時間去想我怎么設計電路，怎么做語音識別，怎么去找到這一堆去進行集成、調試、調優再推向市場，這會耽誤很長的時間。我相信在座各位的聰明才智將花在如何設計和定義更好的產品，如何將它們賣出去，這是很大的要求，供大家思考。

我們并不限定它的應用能力，這些都可以做，這遠遠不止，任何事情都會有智能，如果你愿意，也許你明天就能做到，這就是這一次對大家帶來的新的東西。

當然，我們也會開放我們的平臺，我不想生產硬件，也不想生產終端產品，但我們有軟件開發能力。我們會提供這樣的開發者社區，你可以把自己的內容放進去，如果在座的各位已經生產了100類產品，有1000萬人，但上面的內容和應用會比較少的話，如果各位看重未來，愿意為這樣的智能產品去開發這樣的內容和應用，大家可以應用這樣的平臺。這個平臺也是分享給整個產業的，所以你一旦進這個APP，不僅僅是給Rokid，都可以自然獲得。除非你不愿意，除非合作者說不行，所以大家可以去定制整個的產品能力。

最后，愿智能與大家同在。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。