一位國(guó)內(nèi)智能音箱從業(yè)者向透了個(gè)底：“而國(guó)內(nèi)智能音箱目前的產(chǎn)量和銷量還在千、萬(wàn)之間浮動(dòng)，賣(mài)得最好的還是
京東的叮咚，但實(shí)際數(shù)量仍遠(yuǎn)遠(yuǎn)小于Echo。數(shù)量最多的還是很多小廠商生產(chǎn)的低劣的智能音箱產(chǎn)品，那種產(chǎn)品10句話中有2句話有反應(yīng)就不錯(cuò)了。”
2014年11月正式發(fā)布2年多的時(shí)間里，亞馬遜Echo智能音箱已經(jīng)成為市場(chǎng)上最火熱的智能家居產(chǎn)品之一，人們通過(guò)Echo可以用語(yǔ)音控制家電、購(gòu)買(mǎi)商品、查詢咨詢。根據(jù)研究機(jī)構(gòu)eMarketer的調(diào)查數(shù)據(jù)顯示，在美國(guó)，大約有3600萬(wàn)用戶每月會(huì)用到一次語(yǔ)音操控的音箱，并且這個(gè)數(shù)字還在擴(kuò)大。
產(chǎn)品需要不停迭代完善，以確保穩(wěn)定的網(wǎng)絡(luò)連接；比如一款精美的音箱需要反復(fù)磨合外觀設(shè)計(jì)；又比如語(yǔ)音交互需要良好的收聲效果，而揚(yáng)聲器本身會(huì)發(fā)聲，在遠(yuǎn)場(chǎng)喚醒智能音箱時(shí)，就需要消除揚(yáng)聲器本身的聲音；甚至音量大時(shí)的震動(dòng)也會(huì)影響收聲，所以音腔和麥克風(fēng)之間的距離都需要考量。
智能音箱市場(chǎng)所存在的“分裂發(fā)展”問(wèn)題：看起來(lái)簡(jiǎn)單的智能音箱想要真正實(shí)現(xiàn)日常語(yǔ)音交互，實(shí)際上全是技術(shù)難題。也正是這些難題讓中國(guó)智能語(yǔ)音市場(chǎng)發(fā)展遲緩，而其中影響最大的就是機(jī)器對(duì)于中文的理解，也就是我們俗稱的NLP。