聲音前處理專家炬芯用芯耕耘智能語音產(chǎn)品

語音識別作為人工智能發(fā)展最早、且率先商業(yè)化的技術(shù)，近幾年來隨著深度學(xué)習(xí)技術(shù)的突破，識別準確率大幅提升，帶動了一波產(chǎn)業(yè)熱潮。繼科大訊飛、捷通華聲之后，行業(yè)內(nèi)又涌現(xiàn)出思必馳、云知聲、出門問問、炬芯科技等后起之秀，在教育、客服、電信等傳統(tǒng)行業(yè)之外，開辟出了車載、家居、醫(yī)療、智能硬件等語音技術(shù)應(yīng)用新天地。與此同時，自然語言處理(NLP)作為人機交互技術(shù)的重要一環(huán)，也為此提供了助力。Siri的推出打開了語音交互的先河，不僅催生了一批語音語義創(chuàng)業(yè)公司，還激發(fā)了百度、搜狗等大型互聯(lián)網(wǎng)公司在語音語義技術(shù)上的投入。

在AI快速發(fā)展的時代，語音識別技術(shù)已經(jīng)陸續(xù)出現(xiàn)在生活日常電子產(chǎn)品中，如何智能芯片讓機器聽到且聽準確人類的語言這將是一大難題。眾所周知，生物識別靠人臉或指紋這類的技術(shù)都有穩(wěn)定的特征，可是聲紋就不穩(wěn)定。一個淺顯的比喻：人高興的時候，第一天晚上唱了卡拉OK，第二天聲音啞了，怎么能夠在變化比較明顯的生物特征上做識別是一個很大的挑戰(zhàn)。語音識別整個過程包含語音信號處理、靜音切除、聲學(xué)特征提取、模式匹配等多個環(huán)節(jié)。由于語音信號的多樣性和復(fù)雜性，系統(tǒng)只能在一定限制條件下才能獲得滿意效果。在真實使用場景中，考慮到遠場、方言、噪音、斷句等問題，準確率會大打折扣。目前業(yè)內(nèi)普遍宣稱的97%識別準確率，更多的是人工測評結(jié)果，只在安靜室內(nèi)的進場識別中才能實現(xiàn)。

行業(yè)專家表示：想要讓語音識別更加準確，需要解決兩方面的問題。一方面，在語音增強、麥克風(fēng)陣列以及說話人分離等多項技術(shù)領(lǐng)域持續(xù)投入，并結(jié)合后端語義，促進對上下文的理解，從而提升識別效果;另一方面，需要從產(chǎn)品設(shè)計上進行優(yōu)化，比如通過進一步交互，使語音識別變得更為準確。在端側(cè)主控芯片上來講，應(yīng)該研發(fā)出更高端的主控芯片，在聲音前處理方面有更加優(yōu)秀的表現(xiàn)，讓拾音的距離和效率都能大幅提升。國內(nèi)AI芯片主力供應(yīng)商炬芯科技作為領(lǐng)先的聲音前處理技術(shù)代表，憑借其20余年對聲音研究的經(jīng)驗，曾推出的智能音頻和智能機器人芯片備受國內(nèi)外知名品牌商的青睞，且一直堅持對聲音領(lǐng)域的不斷投入和研究，堅持通過技術(shù)更好地捕捉聲音，降低干擾，讓有效的聲音信息傳送至智能機器的“耳朵”。

ATS3605(D)就是炬芯近兩年一直在主推的智能語音平臺，此芯片的語音前處理算法非常強大，尤其在降噪方面有非常好的表現(xiàn)。ATS3605(D)在相關(guān)平臺上整合了語音前處理算法、本地語音識別、喚醒、VAD等終端語音的核心算法，對接阿里/Baidu后臺，支持LCD顯示，支持攝像頭，并提供完整的智能語音解決方案。目前應(yīng)用到的領(lǐng)域包括智能兒童機器人，智能音箱，智能家居中控等產(chǎn)品上，行業(yè)口碑甚佳。

通過深耕垂直領(lǐng)域和細分賽道，實現(xiàn)自我造血和快速成長，任何一家公司有機會在這一新興產(chǎn)業(yè)中逐漸做大。接下來，隨著語音識別和NLP技術(shù)的逐步成熟，智能汽車、智能家居、智能機器人產(chǎn)業(yè)的日漸完善，定會有一批優(yōu)秀的技術(shù)類公司在智能語音產(chǎn)業(yè)的浪潮中順勢而起。