智能家居實現(xiàn)語音控制的重重困難

隨著智能家居越來越受到關(guān)注，且市場規(guī)模日益擴大，其產(chǎn)品呈井噴式發(fā)展。據(jù)前瞻產(chǎn)業(yè)研究院《中國智能家居設(shè)備行業(yè)市場前瞻與投資報告》數(shù)據(jù)顯示，智能家居行業(yè)雖然起步較晚，但市場需求量大，預(yù)計到2020年智能家居市場規(guī)模將達到3576億元。分析師預(yù)測，2021年全球智能家居市場規(guī)模將達5000多億元。

值得關(guān)注的是，智能語音助理結(jié)合智能家電，在2017年發(fā)酵后，2018年將看到更多借助智能語音助理的應(yīng)用及系統(tǒng)真正出現(xiàn)在生活周遭，為智能家居市場注入更有力的發(fā)展動能。

語音控制為智能家居市場注入活水

從今年家電展觀察，智能家居依然是相關(guān)業(yè)者主要的發(fā)展目標(biāo)。根據(jù)市調(diào)單位調(diào)查統(tǒng)計，到2025年，全球?qū)⒂?0%的家庭可以稱為智能家居。而智能家居所創(chuàng)造的市場產(chǎn)值，根據(jù)GfK報告，2015年達485億美元，隨后成長態(tài)勢逐漸趨緩，預(yù)計仍維持每年約80億美元的成長速度，預(yù)期2018年市場規(guī)模將達710億美元。單就智能家居設(shè)備產(chǎn)值來看，若不將家電等大型設(shè)備計算在內(nèi)，到2021年智能家居設(shè)備營業(yè)額將可成長到95億美元。

此外，根據(jù)智能家居實驗室講師引用國外市調(diào)機構(gòu)所做的統(tǒng)計，2015～2020年間，智能家居年復(fù)合成長率(CAGR)將達50%。這些成長估算數(shù)字，對相關(guān)業(yè)者來說可能相當(dāng)具有吸引力，然而要讓智能家居持續(xù)成長，近年備受矚目的語音控制可謂功不可沒。雖然語音助理的概念是由Apple智能手機中的Siri所開啟，但Amazon Echo智能音箱卻是最快跳脫手機之外，讓語音助理在智能家居發(fā)光發(fā)熱的裝置，逼得Google、Apple相繼跟進，以強化其在智能家居市場的占有率及地位。

因此可以說，智能家居市場的新一波高潮，是由語音控制所激起。某企業(yè)執(zhí)行官表示，對于老人或非智能裝置的重度用戶來說，要花時間了解或是操作手機應(yīng)用程序(App)或是家庭的控制面板，相當(dāng)有難度。透過語音，可以更直接的下達指令，操作相對簡單，因此不僅智能家居相關(guān)大廠看好語音控制在智能家居的發(fā)展力道，其他應(yīng)用領(lǐng)域，包括車用、室內(nèi)定位…等，都已開始導(dǎo)入語音控制這項既有卻直至近期才更有發(fā)揮空間的技術(shù)。

相對的，也因語音控制直覺、簡單易用的特性，刺激消費者對于導(dǎo)入智能家居的意愿更高。再者Amazon透過低價補貼方式，將Echo智能喇叭賣給其電子商務(wù)的PRIME會員，雖然是打造新型態(tài)的在線購物使用體驗，但也同時助長了智能家居的發(fā)展。換句話說，無論是Google、Apple或是微軟(Microsoft)等平臺業(yè)者，透過語音控制技術(shù)讓更多型式的智能裝置能在家中的生活空間取得更大的地位，讓更多物聯(lián)網(wǎng)(IoT)裝置更容易進入家庭的領(lǐng)域，所以語音助理的應(yīng)用不僅為家庭生活帶來更多的驚奇，也進而帶動智能家居在2018年有較明顯的進展。

也因此2018年家電展已可見到有更多的家電、鬧鐘或是其他產(chǎn)品不但可連網(wǎng)，并具備可透過Alexa、Google個人助理(Google Assistant)或Siri控制的特性。某企業(yè)營銷策略總監(jiān)表示，語音是最自然的人機接口，它可執(zhí)行觸控及手勢做不到的免持操作，因此成為控制智能家居裝置的理想方式。除此之外，與繁忙的辦公室或吵雜的街道相比，家庭是一個相當(dāng)私人、安靜而狹窄的場所，因而也較適合語音控制的使用環(huán)境，因此在家庭中采用語音控制可說是順理成章。

現(xiàn)今最流行的智能家居語音控制設(shè)備是智能音箱，例如Amazon Echo或Google Home，以及用于控制智能家居裝置的云端虛擬助理。透過連接智能音箱到其他智能家居設(shè)備，可以實現(xiàn)多重裝置的語音控制，例如提供語音命令，像是“Alexa，請Blink啟動我家的安全系統(tǒng)?！币虼?，以一個聰明的智能音箱可作為私人音訊管家為出發(fā)點，智能家居將更為便利，未來也可能更個性化。

不過，即使語音助理可望為智能家居挹注新的發(fā)展動能，但單靠語音控制就能讓智能家居的發(fā)展持續(xù)暢旺嗎?當(dāng)然不會那么容易。

標(biāo)準(zhǔn)化至關(guān)重要

何以智能家居先前未能顯著成長?某企業(yè)區(qū)域業(yè)務(wù)經(jīng)理表示，即使先前業(yè)者普遍認(rèn)為只要將裝置加上連網(wǎng)功能，勢必能帶動智能家居的成長，但事實上，智能家居并非裝置連網(wǎng)即能“坐等營收滾滾來”，背后牽涉到許多連網(wǎng)所衍生的相關(guān)問題。

目前的智能家居裝置是把智能功能內(nèi)建到設(shè)備本身的單點設(shè)備，可稱為“邊緣計算”(Edge computing)或結(jié)合了由云端系統(tǒng)軟件提供的智能和分析功能。流行的智能家居設(shè)備是連接到因特網(wǎng)的新版本傳統(tǒng)家用產(chǎn)品，像是恒溫器、照明、車庫門遙控器和門鎖等等。不過，今天現(xiàn)有的這些設(shè)備大多各自分散，盡管它們都身處于相同的無線網(wǎng)絡(luò)中，但彼此之間沒有連接。

也就是說，連網(wǎng)技術(shù)百百種，哪一種最合適?各家業(yè)者自然有心中“最佳人選”，但連帶造成連網(wǎng)技術(shù)不同，各家產(chǎn)品無法互通，甚至云端系統(tǒng)也無法共通，“各自為政”的結(jié)果導(dǎo)致消費者使用上的不便，進而降低使用意愿。

不僅如此，智能家居整體也并未有共通的云端服務(wù)標(biāo)準(zhǔn)可以讓業(yè)者追尋，終端制造商必須跟著云端服務(wù)供貨商及網(wǎng)通產(chǎn)品相關(guān)制造商的腳步，才能制造出可通用于市場的產(chǎn)品。然而能讓業(yè)者稍感安慰的是，目前市面上智能家居云端服務(wù)僅有Apple、Google、Amaon三大巨頭，財力較大的業(yè)者可在產(chǎn)品中都支持三大業(yè)者的自有智能家居標(biāo)準(zhǔn)，但是財力較小的公司，只能依靠過人的“靈感”，擇一押寶。

沒有互連為一個完整智能家居網(wǎng)絡(luò)的裝置，沒有能夠使用單一的網(wǎng)通產(chǎn)品連上單一云端進行控制或是信息分析，消費者可能必須在手機針對不同廠商的品下載一個應(yīng)用程序，或者是在家中得擺上不同廠牌的遙控器，每次使用就得“猜”是否開對應(yīng)用程序或拿對遙控器。若是你，這樣的智能家居使用環(huán)境，能接受嗎?

消費者不想用智能家居產(chǎn)品，智能家居的市場發(fā)展自然令人無感。不過2018年情況已開始改變。

百花齊放通訊技術(shù)標(biāo)準(zhǔn)正在收斂

某企業(yè)技術(shù)長指出，智能家居要能大力發(fā)展起來必須天時地利人和，也就是整體生態(tài)系統(tǒng)、連網(wǎng)裝置與云端服務(wù)都要相對成熟，且需要統(tǒng)一標(biāo)準(zhǔn)消除不兼容問題，再加上要克服進入門坎，簡易安裝步驟，提升消費者使用經(jīng)驗，才能有較好的開展。

在此之前，可透過云端服務(wù)將智能家居的家電產(chǎn)品串連起來，但這并非百分之百的解決之道，所幸，已有大廠開始進行標(biāo)準(zhǔn)融合的工作，可望加速解決智能家居連網(wǎng)裝置不兼容的問題。2018年的智能家居百花齊放的通訊標(biāo)準(zhǔn)，不僅會慢慢收斂為主流的幾項技術(shù)，如藍牙(Bluetooth)、Thread、ZigBee或Wi-Fi…等，還會出現(xiàn)能夠支持多種標(biāo)準(zhǔn)的單一裝置。如此一來，一方面可以降低產(chǎn)品設(shè)計復(fù)雜度，使各家業(yè)者的產(chǎn)品能進一步兼容，還能使裝置與云端之間的網(wǎng)關(guān)(gateway)消失。

所謂的讓網(wǎng)關(guān)消失，例如，手機并未內(nèi)建ZigBee，若要透過手機控制家中內(nèi)建ZigBee的燈具，或是ZigBee燈具的數(shù)據(jù)要上傳導(dǎo)到云端時，都需要透過額外的網(wǎng)關(guān)作為中介。若是單一裝置支持多重標(biāo)準(zhǔn)，意味著，裝置本身可以依據(jù)要執(zhí)行的工作選擇相對應(yīng)的技術(shù)，如透過ZigBee下控制、要與手機鏈接將數(shù)據(jù)傳上云端時切換為使用藍牙，就不需要再透過網(wǎng)關(guān)，使用者在使用上也能更加簡便、在建置智能家居系統(tǒng)時也可更為容易。

業(yè)者普遍認(rèn)為，目前燈具控制部分已采用ZigBee為大宗;而若需要透過手機連接則以藍牙為主。意法半導(dǎo)體(STMicroelectronics)亞太區(qū)模擬、微機電與感測組件資深技術(shù)營銷工程師則表示，觀察現(xiàn)階段智能家居連網(wǎng)裝置的發(fā)展，可發(fā)現(xiàn)藍牙5.0因擁有網(wǎng)狀網(wǎng)絡(luò)(mesh)與低功耗的特性，有后來居上的態(tài)勢，未來智能家居裝置內(nèi)建藍牙5.0的比重將逐漸增加。

這并不是說其他的短距低功耗通訊技術(shù)會完全被排除，而是在不同的使用環(huán)境下會有最適用的通訊技術(shù)出現(xiàn)，并逐漸收斂為只剩幾項主流無線技術(shù)，這正呼應(yīng)智能家居單一裝置支持多重?zé)o線標(biāo)準(zhǔn)的發(fā)展趨勢。且這也顯示業(yè)者的想法，技術(shù)那么多，支持者也眾多，押對寶也不容易，更不可能只有一種無線通信技術(shù)能夠獨大，因此將最有可能的幾項技術(shù)挑出來，在單一芯片中全數(shù)支持，或者與第三方進一步合作，將是最佳的方式。

選邊站時刻來臨

將龐雜的無線技術(shù)“理清”后，還有云端辨識與服務(wù)系統(tǒng)的問題需要解決。不僅如此，大多數(shù)業(yè)者都無法做到由上至下的垂直整合，專精的技術(shù)可能只占整體生態(tài)系統(tǒng)的某一部分，因此得與多方公司進行合作，這將提高產(chǎn)品研發(fā)成本與難度，而這也導(dǎo)致業(yè)者得面臨選邊站的時刻。

目前三大云端服務(wù)供貨商各自有自己的云端服務(wù)平臺，且透過語音控制智能家居裝置，產(chǎn)品更是需要支持三大業(yè)者的云端平臺，才能使語音控制系統(tǒng)得以精確辨識語音指令及運作順暢。但并非所有的廠商皆有能力同時支持不同的云端服務(wù)平臺，此時廠商僅能依市場發(fā)展風(fēng)向，選擇何種語音識別技術(shù)與云端平臺。

據(jù)了解，目前三大巨頭勢力消長情況，前兩年已Apple HomeKit較為熱門，今年是Amazon獨領(lǐng)風(fēng)騷。明年是否會換成Google Home熱度較高，實在很難說得準(zhǔn)，且這三大廠商未來是否會有在智能音箱之外整合其他周邊的產(chǎn)品計劃，也尚未明朗，這也相對考驗廠商對于智能家居產(chǎn)品的設(shè)計布局。

而語音控制技術(shù)未來是否能夠標(biāo)準(zhǔn)化?因牽涉到利益的問題，大廠是否開放其語音相關(guān)關(guān)鍵性技術(shù)，也仍在未定之天，也許未來業(yè)者彼此間會進一步組成策略聯(lián)盟，推展某一項智能家居或語音控制技術(shù)，但現(xiàn)階段業(yè)者僅能以何種技術(shù)使用率較高作為選擇的依據(jù)。

智能家居產(chǎn)業(yè)開始趨向整合的情況。未來，這些智能家居連網(wǎng)設(shè)備將透過中央集線器不斷增加彼此的互連，從而實現(xiàn)“深層連接”(deep linking)。深層連接亦即讓來自不同供貨商和使用各種應(yīng)用程序編程接口(API)的不同產(chǎn)品彼此互連，以提供更優(yōu)異的用戶體驗。例如，一個智能家居系統(tǒng)能于門鈴攝影機辨識出主人離開家時降低供熱溫度、關(guān)閉燈光并鎖上大門及啟動安全系統(tǒng)。最近Amazon以10億美元收購Ring，即反映智能家居解決方案供貨商正在尋求更深度的垂直整合以擴大其產(chǎn)品組合，一方面希望能夠主導(dǎo)智能家居生態(tài)系統(tǒng)，一方面能夠提供更無縫連接的智能家居解決方案予消費者。

技術(shù)日新月異強化語音控制精確度

智能家居或是語音控制標(biāo)準(zhǔn)的收斂之外，還是得考慮現(xiàn)階段語音控制技術(shù)仍有哪些技術(shù)上的不足與未來發(fā)展，才能使語音控制技術(shù)能夠更深入到人們的日常生活，發(fā)展腳步能更加穩(wěn)健。

某企業(yè)智能系統(tǒng)產(chǎn)品設(shè)計表示，以智能音箱來說，現(xiàn)在大部分的使用者還是用來聽音樂為主，用戶對于其精準(zhǔn)度的要求大約是在對智能音箱下指令時，才較為重視，也就是在使用者說的時候要精準(zhǔn)。

進一步解釋“精準(zhǔn)”義，例如，透過Echo下達播放音樂的指令時，若是講了跟播放音樂無關(guān)的幾句話，Echo可能就無法辨識，而人類卻可以透過關(guān)鍵詞就可清楚地知道哪些是真正的指令，而那些語句是廢話。另外，現(xiàn)今的語音識別技術(shù)對于斷句不明確、臺灣國語或是語義部分的辨識度也有待加強，這不僅對使用者而言會產(chǎn)生困擾，也是當(dāng)前語音識別需突破的技術(shù)面問題。

目前自動語音識別(ASR)和前端語音處理的最新發(fā)展已使得語音控制相當(dāng)成熟和有效。ASR引擎可以理解多種語言和口音，而語音生物辨識可用于辨識系統(tǒng)中預(yù)先登錄的特定用戶，以在智能家居環(huán)境中提供不同的權(quán)限。但是，目前的技術(shù)仍然限制在5公尺的范圍內(nèi)，并且難以在多人同時交談或吵雜的環(huán)境中操作。

AI推一把 語音識別更精確

上述的問題在人工智能(AI)進入到語音識別技術(shù)后，相信可迎刃而解。林志豪認(rèn)為，自然語言處理(NLP)漸漸的會解決斷句、語義…等問題，因為自然語言處理已漸可做到情感語義分析，肯定可以判斷某一些句子是無意義的“噪聲”。不過，如何將AI順利加入到語音控制裝置中，這也將考驗業(yè)者的能力。

不僅如此，現(xiàn)在主流語音識別技術(shù)，由于開發(fā)者主要的語言使用環(huán)境是透過英文，因此許多非英語系國家消費者在使用語音控制時，有時會面臨系統(tǒng)突然「聽不懂」的狀況。不過隨著人工智能的導(dǎo)入語音識別軟件算法的能力可望不斷提升，可預(yù)期未來語音識別技術(shù)會更加適用于非英語系國家。

MEMS麥克風(fēng)扮演重要硬件角色

軟件算法的精進，也需要配合較佳的硬件麥克風(fēng)相輔相成，才能提供使用者較佳的使用經(jīng)驗。謝景翔指出，語音控制或是智能音箱對于微機電系統(tǒng)(MEMS)麥克風(fēng)的要求是，首先是高辨識度、再來則是靈敏度、麥克風(fēng)的效能與更優(yōu)異的訊噪比(SNR)。

意法半導(dǎo)體模擬、微機電與感測組件技術(shù)營銷經(jīng)理陳建成補充，要讓數(shù)字或模擬訊號的麥克風(fēng)更能符合語音控制技術(shù)的需求，業(yè)者皆致力于在縮小封裝、降低功耗、強化聲學(xué)過載點(AOP)效能，以及更好的訊噪比表現(xiàn)。其中，聲學(xué)過載點的表現(xiàn)越佳，智能音箱在吵雜的環(huán)境中，收到的聲音不會過于失真，也能過濾掉背景噪音。

除了辨識軟件精確度及硬件產(chǎn)品的加持外，語音控制技術(shù)也面臨非技術(shù)性的挑戰(zhàn)。一些非技術(shù)性的挑戰(zhàn)例如隱私，可說是消費者主要關(guān)心的一個問題。用戶也許會思考，“語音控制設(shè)備是否一直在記錄我的每句說話?”、“我所說的每一句話，會不會透過智能音箱被有心人士聽到?”

為了消除使用者的疑慮，相關(guān)業(yè)者也戮力研發(fā)新技術(shù)以克服這些挑戰(zhàn)。例如把不同用戶說的話分離，這就牽涉到利用復(fù)雜算法來分離每個用戶的語音，且能夠理解語音串流方向，知道哪些涉及語音命令，哪些只是背景人聲。另一個即將出現(xiàn)的趨勢是采用更多的終端設(shè)備邊緣處理(on-device edge computing)功能，以便在沒有云端系統(tǒng)連接的情況下實現(xiàn)語音控制和聲音感測，從而改善延遲和隱私。未來幾年內(nèi)將可看到采用這些技術(shù)的智能揚聲器和其他語音控制設(shè)備。

非技術(shù)面的挑戰(zhàn)將以跳脫智能音箱至所有特殊產(chǎn)品上，例如照護上的用戶界面，假設(shè)是給獨居長輩使用，有沒有辦法串接的很人性化，讓老人家在也可“無痛”使用?例如語音對語言的轉(zhuǎn)換、是否要接上網(wǎng)絡(luò)線、電話線或是插上SIM卡，以保持網(wǎng)絡(luò)通訊訊號暢通?另外，對外連網(wǎng)的技術(shù)也很重要。

智能家居中的無線短距網(wǎng)絡(luò)，在傳輸語音封包時，會先將封包壓縮，以利于其既有的帶寬速度可順利進行傳輸。上述的一些技術(shù)與非技術(shù)面考慮皆可透過軟件與硬件解決，而用戶對語音控制技術(shù)較大的非技術(shù)面考慮，是否采用該技術(shù)的關(guān)鍵，主要為安全性。

安全性為重要考慮

影響語音控制技術(shù)進入到智能家居或其他應(yīng)用領(lǐng)域的原因很多，包括使用者的習(xí)慣是否被建立、是否提供更多“控制”功能以外的附加價值、是否有更“特別”的應(yīng)用出現(xiàn)，以及安全性的問題。其中，安全性可說是消費者最為關(guān)注的部分。

語音控制因為牽涉到網(wǎng)絡(luò)傳輸?shù)牟糠?，因此勢必會引發(fā)消費者對其安全性的疑慮，不過現(xiàn)在各傳輸技術(shù)都有其獨特的加解密方式，也有相關(guān)芯片業(yè)者專注于安全芯片的研發(fā)，應(yīng)該可以解決消費者的擔(dān)心。更何況，現(xiàn)今的黑客會選擇對其“有用”的內(nèi)容，做入侵、擷取或破解的動作，一般的家電控制命令語音，對黑客的吸引力可能相對較低。

不僅黑客令人擔(dān)憂，智能音箱能否忽略錯誤的指令，或是識別證確的說話者，如小朋友惡作劇亂下指令、小偷用語音開啟家中門鎖…等狀況，也是讓使用者相當(dāng)頭痛的安全性問題。此時即可彰顯語音控制結(jié)合聲紋辨識的重要性，目前仍是得觀察大廠的語音識別入口是否會加上聲紋辨識功能，才能進一步實現(xiàn)在終端產(chǎn)品上。然而，加入聲紋辨識不但可提高安全度，也可以讓產(chǎn)品制造商推出更“個性化”的專屬產(chǎn)品，因此可預(yù)期未來市面上也會出現(xiàn)加入聲紋辨識技術(shù)的語音控制產(chǎn)品。

跳脫控制領(lǐng)域未來路更長遠

未來智能家居語音控制會如何變化?殺手級應(yīng)用又會出現(xiàn)在哪里?業(yè)者普遍認(rèn)為，語音控制若不只是被動的收音、下指令，而能轉(zhuǎn)變?yōu)殡p向的溝通，并可提供更多信息，例如針對天氣給予使用者穿衣服的建議、提供食譜…等，抑或者不限于單一的智能音箱，而是分散于多個裝置，進一步解決控制命令無法“翻墻”傳輸?shù)搅硪粋€房間的問題，這樣將可更提高使用者的使用意愿。

目前語音控制應(yīng)用的大宗在手機上的就是看天氣、行事歷、打電話與播放音樂，而在手機以外的裝置上，幾乎還是以音箱控制為大宗。但目前情況有一點變化，例如從臺灣之光阿福寶(AfoBot)與華碩(Asus)Zenbo，可以發(fā)現(xiàn)由單一的音箱產(chǎn)品，轉(zhuǎn)變?yōu)?a href="http://srfitnesspt.com/soft/data/42-101/" target="_blank">機器人產(chǎn)品，雖然量還不大，漸漸的可以發(fā)現(xiàn)差異化產(chǎn)品的出現(xiàn)。

另外，語音控制在居家照護，以及可“聽聲辨位”的室內(nèi)定位也可望有更大的發(fā)揮空間;且BMW也宣布將在2018年的車款加裝Alexa，協(xié)助駕駛應(yīng)付更多行車狀況，開車時將不再手忙腳亂。智能家居在語音控制之外，若能再結(jié)合視覺的應(yīng)用，將有更多發(fā)展空間，如門鈴如果能結(jié)合語音與人臉辨識，即可提供多重的安全保障，可望提高消費者的接受度。

由于智能音箱唯一用途就是擔(dān)任語音助理，以語音負(fù)責(zé)中央控制角色，成為家庭中心，因此Consumer Technology Association(CTA)預(yù)測，智能音箱仍有1~2年的爆發(fā)成長，美國市場約在2020年開始衰退，全球市場可能到2022年才會開始衰退。

為讓語音控制技術(shù)走的更長遠，Amazon 將Alexa云端架構(gòu)都開放給有興趣做大語音控制市場的業(yè)者使用，讓大量低階連網(wǎng)裝置也可以導(dǎo)入Alexa，從個人計算機、智能手機到智能電視，各種裝置都能夠收聽指令。因此，當(dāng)語音助理大量滲透到其他行動裝置，智能音箱將不再是家里唯一的語音入口，即便如此，此舉卻能讓語音助理有機會變成消費者“非用不可”的技術(shù)。

結(jié)語：對于智能家居來說語音交互并非最理想的實現(xiàn)方式，其更理想的實現(xiàn)方式是無需用戶參與控制，依靠大數(shù)據(jù)實現(xiàn)智能云平臺自動學(xué)習(xí)和感知用戶的需求和習(xí)慣，自動控制所有涉及的設(shè)備，但在技術(shù)尚未突破的現(xiàn)在，語音聲控是最佳實現(xiàn)方式。