［智東西· 硬創(chuàng)先鋒，專注于全球智能行業(yè)創(chuàng)業(yè)公司報道。針對海外智能行業(yè)創(chuàng)業(yè)公司，我們將推出系列報道，本期主角是Reflekt，一家提供增強現(xiàn)實工業(yè)解決方案的AR平臺。］
智東西（公眾號：zhidxcom）
文｜十四
導(dǎo)語：
語音識別，是未來人機交互的關(guān)鍵，這似乎已成為一種共識。去年，美國加州山景城成立了一家智能語音識別、搜索初創(chuàng)公司——DeepGram。目前已經(jīng)拿下了孵化公司Y Combinator（YC）和Zillionize的種子輪投資。這兩家孵化器的眼光有多毒辣，就不贅述了?？纯礃I(yè)界的這個說法就知道了：在硅谷，有兩種孵化器，一種叫YC，一種叫其他。
DeepGram聚焦在一個前景巨大的產(chǎn)業(yè)
DeepGram被形容為音頻版的谷歌，因為它提供基于網(wǎng)頁的智能語音檢索API，能分辨口誤、口音、俗語等問題，為用戶提供需要的信息。DeepGram的搜索范疇包括通話、會議、播客、視頻短片、演講等。
這樣的工作，之所以被重視，主要還是智能語音龐大的前景。
YC指出，美國每年有幾十億小時的音源通信，這花費了逾10億美元。而其中，只有不到四分之一的產(chǎn)品涵蓋了分析、搜索的功能。
此外，智能語音還可用于智能家居信息交互的入口，這可是個預(yù)計到2019年規(guī)模達1500億美元+的市場。它還在車載系統(tǒng)、可穿戴設(shè)備領(lǐng)域頗有前景。
DeepGram干了兩件事！
老實說，依靠大量存儲的音頻源來建立語音搜索是一件太愚蠢和困難的工作。DeepGram的出現(xiàn)，有兩個很重要的基礎(chǔ)：人工智能建模（自動分析語音流并進行歸類）和模糊搜索（fuzzy search），它們奠定了智能語音的可行性，于是DeepGram只要做兩件事：
1、 建立音頻數(shù)據(jù)庫：云存儲技術(shù)的出現(xiàn)大大降低了音頻數(shù)據(jù)庫的成本，幾乎所有的智能硬件初創(chuàng)公司都會對此加以利用。
2、 基于GPU的算法：DeepGram采用了關(guān)鍵詞搜索和模糊搜索項結(jié)合的方式，將準確度提高到90%以上，并利用深度學(xué)習(xí)技術(shù)來分析語音的復(fù)雜性。
兩個人的團隊
領(lǐng)英顯示，這家公司的員工規(guī)模不超過10個人。事實上，主要只有CEO Scott Stephenson和CTO Noah Shutty兩人。
相當(dāng)有趣的是，Scott Stephenson還是個研究暗物質(zhì)的物理學(xué)家。這或許從某種程度上意味著，語音識別的技術(shù)壁壘并沒有我們想象的那么高，未必非得脫胎于高校、科研機構(gòu)等。
據(jù)悉，這倆人現(xiàn)在已經(jīng)推出了DeepGram的免費試用插件，用戶注冊后，每個月能進行40小時的智能語音搜索。不過，鑒于DeepGram的準確度依然有待提高，Stephenson和Shutty還在想辦法改進它的功能性。
項目仍處在很早期
據(jù)公開資料，YC孵化器在種子輪給這個團隊投資了12萬美元，看得出，還處在非常早期的階段，DeepGram除了提供API也還沒有獨立可用的產(chǎn)品，如果上面DeppGram在做的兩件事能夠把基礎(chǔ)搭好，則能證明這個“音頻版谷歌”的可行性。
