聲音經濟：從語音助理、Podcast到智慧音箱，科技巨頭爭相搶進的新市場

＼ 繼智慧型手機後的下一場科技革命！ ／
 
聲音經濟改變人們的溝通方式，使我們不再被「螢幕」綁架
已成為備受關注、充滿潛力與商機的全新藍海市場
 
★ 日本聲音產業發展先驅、新創企業顧問無私分享，業界情報首次公開
★ 收錄日本語音科技領域菁英對談，激發聲音經濟未來展望的更多想像
★ 從科技發展、市場潛力、廣告效益、內容製作全方位解析，帶來對聲音經濟的全新想像與啟發
 
好評推薦
▍網路趨勢觀察家│Mr. 6劉威麟
▍政大EMBA執行長│邱奕嘉
 
 
【聲音經濟的崛起】
Podcast的風潮只是一個開端，聲音的無窮潛力受到全球的關注，Google、Apple、Facebook、Amazon等跨國企業積極投入聲音市場，是現今商業界最受矚目的焦點。隨著語音辨識、深度學習等聲音科技的發展，讓人們從被螢幕綁架的現況中解放，大幅改變人與資訊的互動方式。
 
▍現已有超過三分之一的美國人擁有智慧音箱
▍台灣每5人就有1人收聽Podcast
▍2021年Podcast廣告年收益已超過10億美元
▍Spotify美國Podcast聽眾人數在2023年將成長至3,750萬
 
【聲音經濟是人類科技的終極目標】
從《星際爭霸戰》（Star Trek）到《鋼鐵人》（Iron Man），與電腦交談和溝通一直是科幻電影裡熟悉的場景，更是人類科技的終極目標之一，而我們已經離這一天越來越近。以目前來說，語音技術、人工智慧及物聯網最新進展已將這部分實現。智慧手機、智慧喇叭和其他設備能夠透過 Google 智慧語音助理、Siri和Alexa等語音助手來對設備進行指令。
 
【聲音經濟在各領域的革命】
▍醫療│利用患者的談話語調來診斷憂鬱症、失智症、帕金森氏症等疾病。
▍行銷│根據聆聽者手邊正在做的事情或當下的心情，投放個人化的語音廣告。
▍金融│以聲紋認證取代傳統的密碼與繁瑣的資料確認。
▍長照│減低高齡者對操作科技產品的障礙，提供更多精神與情感上的支持。
 
【聲音經濟就是未來】
在智慧型手機問世之前，沒有人能預測到在短短十年內智慧型手機能如此普及，影響力深入生活的每一個層面。隨著聲音科技的突破，現已出現不需要耳機就能傳送聲音的「音袋」技術，以及與真人語調無異的聲音合成技術。聲音經濟領域應用的深度與廣度都在不斷地擴展，下一波的科技革命，將由聲音經濟開始，徹底改變你我的生活！

緒方憲太郎
Voicy公司負責人兼執行長、事業設計師、公認會計士。大阪大學基礎工學院、經濟學院畢業，2015年創辦醫療基因檢查事業TailorMed，2016年創辦Voicy，致力於開發、經營語音平台。

於此同時，緒方憲太郎也創辦支援新創企業的Delight Design公司。以替事業設計新價值為目標，也擔任10家以上新創企業的顧問與董事，從事資本政策、事業策略、服務設計、宣傳品牌設計、開放式創新設計，以及企業社長指導與網路建構。喜歡透過事業創造全新、令人熱血沸騰的價值，讓社會與生活變得更豐富。


林詠純
專職日文譯者。譯有《比對話更關鍵的留白溝通術》、《關於人生，我這樣投資》、《哈佛×史丹佛　成就超一流邏輯思維的33問》等書。平常用眼過度，自從買了藍芽耳機之後就愛上聽語音內容，希望有人能夠開發自動念出社群網站追蹤者最新貼文的APP。

 

前言
為什麼現在是「聲音經濟時代」？／Clubhouse為日本帶來了什麼？／目前正發生什麼狀況？
 
＼序章／　聲音經濟的未來
 
＼Voice1／　為什麼GAFA會關注聲音經濟
→開始聽見語音科技的脈動
智慧喇叭在美國急速普及／急速成長的podcast市場／GAFA的舉動有什麼意義／手機之後的「大革命」到來／語音是「輕鬆取得資訊」的終極形式
→誰將掌控語音
霸主關注的兩大資訊／科技進步帶來革命／裝置的進步改變「聽的方式」
→裝在耳朵上的小型電腦
改變語音技術未來的無線耳機／落後美國與中國的日本／鎖定podcast的Spotify／付費訂閱比廣告更重要的中國
→為什麼日本的語音內容尚未成熟
語音內容的藍海市場／「聽的習慣」逐漸普及／Clubhouse進軍日本帶來的「發現」
→最高的有聲書成長率
疫情讓我們注意到「聲音」／語音科技的「市場」魅力
→錯綜複雜的語音技術參與者
演員到齊了
 
＼Voice 2／　只有具備「真本事」才能夠留在市場
→語音科技市場是個什麼樣的市場
「全新的市場」誕生／訊息傳播者爆炸性增加
→「忙碌的人」靠著語音彼此串連
為什麼職業婦女都在Voicy聚集／最適合你的形式是什麼
→我們能不能控制人心
人們受夠了被影片控制／操作欲望的時代／「人」本時代的媒體／真實傳達心情的「語音」／NFT加速擴大聲音市場
→語音的世界也在發展「個人化」
語音科技的發展如何改變市場／「不容易被討厭，印象深刻」的語音廣告／對贊助者的「共鳴」
→「Social+」時代的聲音
聲音的魅力在於「真實傳達想法」
＼對談／　從聲音廣告看見語音技術的未來
誰將成為語音搜尋的霸主／Google真心想要拿下語音市場／podcast的課題是目標不夠精準／語音廣告的潛力／適合「無形的商品」／語音廣告的未來風景／受不了「耳朵閒下來」／語音內容的現況／日本的人氣內容將從哪裡誕生／「真正的開始」到來
 
＼Voice 3／　語音技術將會如何改變未來
→不願承受風險的日本面臨的悲劇
語音的潛力開始受到矚目／擁有先進技術的大企業
→從三個面向理解語音技術
傳播訊息：從科技看見未來的可能性／大企業陸續加入語音產業／需求變高的「噪音消除技術」
→較難進入的的日本語音辨識技術領域
接收：語音辨識／全球語音辨識市場的成長／「接近人類」的自然語音表現／語音辨識技術的用途逐漸擴大／鑲嵌在生活空間裡的聲音
→「影響情緒的媒體」所擁有的可能性
分析．應用：「全新的廣告形式」陸續誕生／拯救高齡者的語音科技
 
＼Voice 4／　革命級的改變正在發生
語音科技新創企業座談會
＼對談／
無線耳機的改變了風向／「語言」成為障礙，「內容」成為武器／日本的硬體產業「非常可惜」／日語成為進入日本市場的門檻／如何解決「閱覽性低」的問題／對話型語音廣告的世界／深度學習讓語音辨識大幅躍進／市場急速成長，「不得不加入」／從提升業務效率到娛樂性／「耳朵上總是戴著『小型電腦』」的生活／「Clubhouse熱潮」是怎麼一回事／「語音」與高齡者市場的可能性
 
結語

誰將掌控語音

▍霸主關注的兩大資訊
每當新的介面誕生，多數人都會覺得「應該不會有更進一步的發展了吧」。譬如電腦出現、普及的時候，多數人都在無意識中深信這就是傳遞、接收資訊所發展出來的終極形式。

如果深陷於這樣的想法，那麼接下來出現的智慧型手機，看起來也只是電腦的延伸，不過就是電腦的縮小版。我們在智慧型手機登場的時候，想必已經看過許多企業受限於眼前慣用的介面，沒有趕上席捲世界的新潮流。

電腦在30年前登場，智慧型手機在10年前登場。但介面變化的間隔愈來愈短，智慧型手機不可能過了10年之後依然獨領風騷。

智慧型手機登場的時候，許多日本企業準備從原本以電腦為中心的商業模式轉型，卻因為慢了一步而陷入苦戰。現在可能又會發生同樣的狀況，新的介面又再度被GAFA等海外企業掌控也無所謂嗎？

資訊大致可以分成兩種：分別是文字、圖片、影片等「用手製作，用眼睛接收的資訊」，以及語音這種「用嘴巴製作，用耳朵接收的資訊」。Google 透過自動抓取（利用機器讀取收集）網路上的內容，一口氣掌控了前者；但後者尚未被任何人掌控。語音領域的霸主到底會是誰呢？

文字、圖片、影片的時代、智慧型手機的時代還會再持續一陣子，但為什麼語音科技革命會在現在這個時間點到來？

這場革命當然不是突然發生的。微小的潮流從好幾年前就開始持續，新的潮流一點一滴往這裡匯聚，涓滴細流逐漸壯大，現在即將成為一條大河。在漫長的助跑期間，科技逐漸進步、內容變得充實、裝置陸續登場、人們聆聽的習慣發生改變，因此眼前終於展開一片廣大的藍海。

到處都出現預兆，但儘管已經看見萌芽的兆頭，語音領域依然只有一小部分轉換成收益，日本也尚未誕生多少殺手級內容。語音領域仍是未開發的市場，成長的可能性極大。

▍科技進步帶來革命
為什麼現在終於迎來改變的時代呢？關鍵就在於「語音科技的進步」、「裝置的普及」與「『聆聽』習慣的擴大」。

分析技術在語音科技的進步中尤其特別重要。

其實語音的數位化早在很久以前就已經實現了，從使用唱片或錄音帶錄音的類比時代，轉變成將聲音以數位檔案保存、傳送、接收的時代，不是這一、兩天的事情。

但從前數位化的聲音，只是以數位檔案蓄音，儲存震動的高低，檔案裡只有成堆的數據。除非開啟檔案實際聆聽，否則不會知道裡面儲存了哪些語音或資訊。

不過，分析語音的技術在這幾年飛躍性地提升，機器逐漸能夠理解數位語音檔案的內容。而這項的技術進步，正是Apple 的Siri、Google 的Google 助理等語音助理誕生的背景。

現在網路上累積了龐大的資訊，提供幫助電腦進行深度學習（機器學習）所需的豐富素材，再加上能夠取得具備分析所需處理能力的電腦，這樣的技術才得
以實現。

話說回來，無法得知語音檔案內容的狀態到底有什麼問題呢？

直截了當地說，就是無法轉換成收益。語音檔案如果有辦法進行機器化分析，就能夠搜尋，廣告的可能性也會擴大，成為收益化的泉源。

回顧1990到2000年代初期網路上的文字資訊應該就會很清楚，從前寫在紙上的資訊變成數據，開始能夠利用機器進行分析，所以也能夠搜尋或推薦，進一步創造出金流。於是網路上的廣告收益，有好長一段時間超過了報紙、雜誌、電視等大眾媒體。

最具代表性的語音科技，就是將語音當成文字辨識的技術。如果沒有將人類說出的語言傳換成文字的語音辨識技術，就無法發展出Siri 或Google 助理等語音助理。這項技術對語言的依賴性大，因此中、英語領域的進展地特別快速。

深度學習需要大數據，使用人口多的中、英語必然具備優勢。另一方面，使用這個語言的人口規模直接就能轉換成市場規模，因此使用人口多的語言，參與的企業也多。

日語因為語言的特殊性，使用人口相對較少，語音辨識稍微落後中、英語，而這也會成為海外企業的門檻，使他們較難進入日語的領域。

除此之外，語音科技還有以機器區分人類語言與背景雜音（噪音等），進行消除雜音等處理、透過聲紋辨識個人等許許多多不同的技術。

其中，我特別關注分析接收者行動的技術，換句話說就是分析「聽到的人有什麼反應」，這個領域雖然尚未開拓，但將來有機會大幅發展。如果將這個技術與語音分析結合，就能知道什麼樣的語音能夠影響聽者的行動，語音廣告的可能性就會變得更大。這麼一來，語音搜尋廣告或語音的「搜尋引擎最佳化」（SEO），也能像Google 在文字、圖片、影片領域的發展那樣成為可能。