聲加科技助力小米首款支持本地命令詞語(yǔ)音喚醒TWS耳機(jī)上市

9 月 24 日，小米新一代真無(wú)線(xiàn)藍(lán)牙耳機(jī) Air 2正式亮相，在外形和功能上都較一代有了非常大的變化。小米官方海報(bào)廣告詞宣稱(chēng)“智能真無(wú)線(xiàn)，輕松舒適戴”，并且將“智能語(yǔ)音喚醒，雙麥克風(fēng)降噪”作為其首條宣傳賣(mài)點(diǎn)。目前該產(chǎn)品已在小米商城開(kāi)放預(yù)約，9月27日正式上市。

小米Air2宣傳海報(bào)，圖片來(lái)源于小米官網(wǎng)

Air2的語(yǔ)音喚醒到底有多智能呢？據(jù)本次算法技術(shù)支持方案商——聲加科技CEO邱鋒海介紹，此次小米Air2采用了聲加科技提供的耳機(jī)本地語(yǔ)音識(shí)別方案，與市面同類(lèi)產(chǎn)品最大的不同是能直接在Air2耳機(jī)端完成多命令詞語(yǔ)音識(shí)別，急速響應(yīng)命令——用戶(hù)在播放音樂(lè)時(shí)無(wú)需喚醒語(yǔ)音助手“小愛(ài)同學(xué)”，可直接向耳機(jī)發(fā)出語(yǔ)音指令“上一首/上一曲”，“下一首/下一曲”，迅速實(shí)現(xiàn)自由切歌，無(wú)需再等待語(yǔ)音助手喚醒手機(jī)進(jìn)行響應(yīng)，大大提高了用戶(hù)使用體驗(yàn)。

小米Air2宣傳海報(bào)，圖片來(lái)源于小米官網(wǎng)

邱鋒海表示，耳機(jī)搭載語(yǔ)音助手已經(jīng)成為目前TWS耳機(jī)的主流趨勢(shì)，但目前市面上絕大部分產(chǎn)品使用的還是以基于手機(jī)的語(yǔ)音識(shí)別方案，用戶(hù)每一次的語(yǔ)音指令都要首先喚醒手機(jī)語(yǔ)音助手，造成響應(yīng)速度較慢（切換歌曲需要等待5~6秒），不少用戶(hù)因此放棄了語(yǔ)音喚醒功能，寧可使用手勢(shì)或按鍵，甚至只能拿出手機(jī)進(jìn)行操作，體驗(yàn)欠佳。其原因主要受限于耳機(jī)運(yùn)算能力較弱以及電池續(xù)航時(shí)間短，給耳機(jī)端進(jìn)行精確的語(yǔ)音識(shí)別造成了極高難度。而聲加科技的小資源關(guān)鍵詞喚醒（KWS）有限語(yǔ)音命令方案攻克了技術(shù)難點(diǎn)，可實(shí)現(xiàn)喚醒低功耗計(jì)算方案，KWS啟動(dòng)和手機(jī)語(yǔ)音交互，有限語(yǔ)音命令實(shí)現(xiàn)切歌、調(diào)音量等基本操作。在算法所需資源消耗上，低至30Mips， 50KBytes memory的喚醒詞模型（m4f平臺(tái)），模型規(guī)?？勺儯芨鶕?jù)產(chǎn)品計(jì)算資源快速調(diào)整模型，還能整合聲加自有前端語(yǔ)音增強(qiáng)，優(yōu)化整體性能。

除此之外，耳機(jī)使用場(chǎng)景復(fù)雜且運(yùn)算資源受限，如果只依靠基于深度學(xué)習(xí)的小資源語(yǔ)音識(shí)別模型，在嘈雜環(huán)境下會(huì)存在誤識(shí)率高、識(shí)別率低的問(wèn)題。而Air2同時(shí)還搭載了聲加科技的雙麥SVE降噪技術(shù)，如定向拾音、環(huán)境降噪（尤其是風(fēng)噪抑制）等，能有效降低通話(huà)時(shí)的環(huán)境噪聲，即使身處嘈雜環(huán)境，也能保障高清晰的語(yǔ)音識(shí)別以及通話(huà)質(zhì)量。

對(duì)小米Air2直接說(shuō)“下一首”，迅速切換歌曲

據(jù)了解，聲加科技成立于2018年1月，專(zhuān)注于通信聲學(xué)核心技術(shù)，依托于中科院聲學(xué)所雄厚的人才和科研資源，打造產(chǎn)學(xué)研一體化。其SVE（Soundplus Voice Enhancement）降噪技術(shù)可以廣泛應(yīng)用于耳塞式耳機(jī)、半入耳式耳機(jī)、入耳式耳機(jī)、頭戴式耳機(jī)、掛耳式耳機(jī)等，是通過(guò)雙麥克風(fēng)陣列，精準(zhǔn)計(jì)算通話(huà)者說(shuō)話(huà)的方位，在保護(hù)主方向目標(biāo)語(yǔ)音的同時(shí)，去除環(huán)境中的各種干擾噪聲，例如其他人的講話(huà)聲、交通工具產(chǎn)生的噪音、風(fēng)噪聲等等，有效抑制90%的反向環(huán)境噪聲，由此降低環(huán)境噪聲最高可達(dá)30dB，保證高品質(zhì)通話(huà)效果。讓使用者無(wú)論身處何種嘈雜環(huán)境，都可細(xì)語(yǔ)輕聊，無(wú)懼干擾。其核心技術(shù)包括：

回聲消除AEC：

支持單通道回聲抵消、雙通道立體聲回聲抵消，可在設(shè)備自身播放大音量時(shí)輕松喚醒，ERLE》30dB。

聲源定位Direction of arrival estimation：

支持多源定位；可在強(qiáng)混響及噪聲干擾情況下準(zhǔn)確定位目標(biāo)聲源；工作信噪比可低至0db以下；DOA分辨率《10°。

波束形成Beamforming：

保護(hù)目標(biāo)語(yǔ)音的同時(shí)，去除噪聲干擾與散射噪聲，大幅提高語(yǔ)音識(shí)別率；穩(wěn)態(tài)噪聲抑量》30dB，非平穩(wěn)噪聲印制量》24dB。

關(guān)鍵詞喚醒、有限語(yǔ)音命令詞識(shí)別Key word spotting、command

基于深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練，根據(jù)前端算法進(jìn)行深度優(yōu)化，精確辨識(shí)關(guān)鍵詞，超低誤喚醒。消耗資源配置靈活（小模型超低資源占用；資源豐富時(shí)可實(shí)現(xiàn)高性能識(shí)別），可應(yīng)用于耳機(jī)、手環(huán)、手表等可穿戴智能設(shè)備。5米喚醒率》93%，3米喚醒率》97%，誤喚醒《2次/48H。

基于機(jī)器學(xué)習(xí)降噪/識(shí)別

已成功用于聲學(xué)建模，與標(biāo)準(zhǔn)GMM模型相比語(yǔ)音識(shí)別率實(shí)現(xiàn)了大幅改進(jìn)，DNN是全連接神經(jīng)網(wǎng)絡(luò)，解決了局部最優(yōu)解的問(wèn)題；卷積神經(jīng)網(wǎng)絡(luò)CNN降低模型體積，充分利用語(yǔ)譜中的局部信息；循環(huán)神經(jīng)網(wǎng)絡(luò)RNN可以對(duì)時(shí)間序列進(jìn)行建模，適合處理語(yǔ)音信號(hào)。對(duì)動(dòng)態(tài)/穩(wěn)態(tài)噪聲均有效（~30dB）同時(shí)保護(hù)語(yǔ)音成分，表現(xiàn)魯棒。

音效：

EQ均衡：通過(guò)對(duì)各種不同頻率的電信號(hào)的調(diào)節(jié)來(lái)補(bǔ)償揚(yáng)聲器和聲場(chǎng)的缺陷，補(bǔ)償和修飾各種聲源及其它特殊作用。

虛擬環(huán)繞聲：在雙聲道立體聲的基礎(chǔ)上，不增加聲道和音箱，把聲場(chǎng)信號(hào)通過(guò)電路處理后播出，使聆聽(tīng)者感到聲音來(lái)自多個(gè)方位。

SVE開(kāi)啟前后對(duì)比（公路噪聲）：

此外，作為智能聽(tīng)覺(jué)的創(chuàng)新公司，聲加科技的耳機(jī)技術(shù)方案還應(yīng)用在了華為Flypods、小米Air、小米Air2、萬(wàn)魔EM001、萬(wàn)魔EM004、京東京魚(yú)座等產(chǎn)品上。目前，其團(tuán)隊(duì)?wèi){借十余年的技術(shù)積累，可為B端客戶(hù)提供復(fù)雜場(chǎng)景下的近場(chǎng)、中場(chǎng)、遠(yuǎn)場(chǎng)語(yǔ)音交互技術(shù)方案，以及從芯片、模組、PCBA到工業(yè)設(shè)計(jì)的一站式產(chǎn)品方案。其回聲抵消、噪聲抑制、聲源定位、混響消除、波束形成、語(yǔ)音喚醒等性能在行業(yè)內(nèi)均名列前位。