世界知名市场研究机构Juniper Research近期发布一项研究数据称，至2020年底，被全球各国用户购买使用的各种智能语音辅助接入设备总量将达到42亿；并预测到2024年再翻一番，增至84亿。

　　巧合的是，2024年预计世界总人口也将超80亿。语音智能接入这种新媒介形态，届时必然成为地球“人的全面延伸”。

　　来自这家机构的研究还指出，与网络电视相连接的语音辅助设备将成为其中增长最快的部分。至2024年，全球将有49%的支持语音辅助功能的联网智能电视投入使用，语音将迅速替代各种遥控器成为电视/视频消费的新入口。

　　其实，语音辅助技术较早地出现于智能音箱领域。自2014年亚马逊公司推出全球首款基于语音交互的家用智能音箱Echo以来，各种品牌智能音箱纷至沓来；据统计仅在中国，2019年的智能音箱销售量就高达6000万台。

　　与智能音箱相连接的是音频内容生态。根据CSM收听率调查监测结果，2020年第一季度全国八大中心城市用户，基于各种网络音频点播行为的收听量高达人均每天43分钟，比人均收听广播直播的时间仅相差13分钟，其中智能音箱带来的贡献日趋显著；而将用于智能音箱的智能语音技术接入网络电视，与视频内容生态相连接，这即是Juniper Research所预测的即将形成快速增长的新市场领域。

　　我们把这种新的语音辅助设备应用场景可以概括为“用声音连接内容”模式。这是一种新的人机交互模式：其中的核心环节是将语音识别为文本，从文本中解析出关键词，并将关键词导入内容标签库进行检索和匹配，从而找到并播放用户所需要的内容。

　　人类语言丰富多彩，千变万化，若反向思考，则更需要在内容标签库建设上下足功夫，借助人工智能技术和大数据算法，使之优化并能很好地适配语音交互的各种要求。

　　“用声音连接内容”的人机交互新模式，为短音频、短视频业务发展开启新空间。相比于调谐器、遥控器等硬件设备的有限选择模式，语音交互为用户需求表达展现出无限可能。

　　用户的需求更加具体、特别而且琐碎，满足这种无限多变需求的内容也将走向短小、精致、特征化的聚合与呈现方式。由此，相比较于长音频、长视频内容，短音频、短视频内容优势将更加突出。

　　在美国，不只传统广播，即便报纸，也在积极地将其文本内容加工生成短音频并与几家主要智能音箱品牌展开合作，共同进军“用声音连接内容”新市场，其中的广告营销价值亦不可估量。

　　智能音箱设备的日渐普及与短音频内容的不断丰富相辅相成，美国国家公共电台展开的一项调查就显示，超过70%的智能音箱用户因为拥有智能音箱而选择消费更多的音频内容。

　　回顾CSM2019年同期收听率数据，其时人均收听广播直播时间约为55分钟每天，基于各种网络音频点播行为的收听量则为人均每天38分钟。对比2020年数据，也可显见，在语音智能接入设备不断增长的同时，尽管广播直播收听总量变化不大，但网络音频的使用程度却人均每天增加了5分钟。

　　在电视一端，电视直播收视时长同比下降但网络视频特别是短视频使用量不断增加的趋势也同样明显。未来智能语音接入技术的市场催化作用还将持续放大。方便易用，返朴归真。“用声音连接内容”的新时代，行将加速我们所见的这些变化。

责任编辑：侯亚丽