武汉AI人工智能语音现在到底什么水平？我在光谷待了几天，说几句可能不中听的-武汉AI人工智能语音
昨晚刷手机，看到有人发了个视频，用武汉话跟手机里的语音助手对话，居然识别出来了。评论区一堆人在那儿刷"么斯""蛮扎实"。我看着看着有点感慨——因为我干的这行，跟武汉AI人工智能语音这块算是擦了点边，见过一些真东西，也见过不少PPT。
先说个事。上个月我打12345，接电话的是AI语音，先问我什么事，我说了半天，它给我转人工了。准确率吧……怎么说呢，七八成的感觉，剩下那两三成，基本都栽在方言和语速上。你在武汉待过的都懂，本地人说话那个快，中间还夹着吞音。
光谷那边，这几年到底在憋什么
武汉做语音的，大部分扎在光谷，东湖高新区那一片。我有个朋友在里面一家做智能客服的公司，去年聊过一次，他说现在压力不在算法，在场景。算法开源的一大堆，模型也是拿现成的微调，真正难的是——武汉的客户到底要什么。
这个赛道说实话不像大模型那么热闹。它不性感，不上热搜，但它是真在用。政务热线、银行外呼、医院导诊、地铁播报，还有车企的车载语音。都是那种你平时不会注意，一旦卡壳就想骂人的地方。
方言才是真正的硬骨头
普通话识别早就不是什么难题了，难的是武汉话。调子平，语速快，句尾吞音，还有"你莫""么样""克哪里"这种表达，训练数据少得可怜。据说光是标注武汉话的语料，成本就比普通话贵好几倍，而且会标的人还不好找。
我查了下……其实也没细查，就大概扫了两眼公开信息，武汉有几家高校在做方言语音的语料库建设，华科和武大都有团队。具体进展我不太清楚，不敢乱说。
"同一个模型，普通话识别率95%往上，武汉话掉到七十几，老年口音更惨。"——这是我那个朋友原话，我记了大概两年多。
为什么偏偏是武汉
这个问题我想过。高校是一方面，华科、武大、武汉理工，语音方向的人才储备在那儿放着。另外就是光通信和光电子的底子，烽火、长飞这些，产业链上的东西不是一天堆起来的。
还有一个容易被忽略的点——数据标注是人力密集活，武汉高校多、人力成本比一线城市低，做语料标注、做人工校验，天然有优势。这个逻辑跟当年呼叫中心扎堆武汉是一回事。武汉AI人工智能语音能起来，说到底不是靠某一家公司，是靠这整套土壤。
车是个大场景，但我有点怀疑
东风、岚图这些都在武汉，车载语音肯定是重点方向。车里确实是语音最合适的地方——你开车不能低头点屏幕。但据我了解，现在不少车载语音还是采购外地方案，武汉本地企业能吃下多少份额，不好说。
也可能是我信息滞后了，欢迎懂行的来打脸。
说点不好听的
这块最大的问题可能是"散"和"慢"。企业不少，但没有特别大的龙头。你要问我哪家公司是武汉语音的名片，我一时还真答不上来。
而且这行最近被大模型冲得有点懵。以前做一个语音识别系统，是个正经项目，要养团队、要标数据、要调参。现在呢，通用大模型直接把语音、文本、图像一起吃了，小公司的护城河一下就浅了。
我那个朋友去年年底说，他们开始转做垂直场景了，不做通用识别，就做本地化、行业化的东西——医疗的、政务的、教育的。听着挺务实，但也挺无奈的。
普通人能感受到什么
其实已经能感受到一些了。地铁的智能播报、部分政务窗口的语音填单、外卖和快递的智能外呼。就是那种你用的时候不会觉得多神奇，但一旦没了又觉得麻烦的东西。
这种"隐形"其实挺好的。技术成熟了就该隐身，天天喊口号的反而虚。
扯远了。回到最开始那个视频，用武汉话跟AI对话，我看着挺高兴的，但也有点复杂——因为我知道，从demo到产品，中间还隔着十万八千里。视频里的东西不假，但它证明不了产业到了哪一步。
先这样吧。武汉的朋友，你们在本地有没有碰到过特别顺、或者特别智障的语音AI？评论区聊聊，我先去吃饭了。
