聲音前處理技術(shù)可助力智能語音的市場發(fā)展

（文章來源：飛象網(wǎng)）

談到智能語音，早已不是什么新鮮的事情，國外有如：蘋果Siri，微軟小娜，Google Assistant，亞馬遜的Alexa這樣的智能語音大咖。國內(nèi)有靈犀助手(科大訊飛)，小度(百度)，小愛同學(xué)(小米)這樣的后來跟進(jìn)者。

首次接觸智能語音的用戶，會(huì)覺得很神奇，覺得這東西怎么可以如此智能。而對(duì)于經(jīng)常使用的老用戶來說，智能語音助手的雞肋日益顯現(xiàn)，因?yàn)楝F(xiàn)階段的智能語音基本都是采用數(shù)據(jù)庫匹配的原則，對(duì)于云端數(shù)據(jù)庫中沒有的知識(shí)，智能語音也只能“呵呵”了。但，對(duì)于技術(shù)，我們應(yīng)該永遠(yuǎn)懷著寬容和理解的態(tài)度去對(duì)待，因?yàn)槿魏我婚T技術(shù)都是一個(gè)不斷積累和升級(jí)的過程。

對(duì)于大部分人來說，目前接觸體驗(yàn)最多的智能語音硬件應(yīng)該只有智能音箱和智能機(jī)器人。只有通過智能硬件與云端數(shù)據(jù)中心的默契配合，才有可能讓智能語音交互形成完整通路。語音交互的大致流程可分為：聲音采集—>降噪—>語音喚醒—>語音轉(zhuǎn)文字—>語義理解—>回復(fù)文字和指令—>文字轉(zhuǎn)聲音—>播放聲音。下面以天貓精靈智能音箱為例，將語音交互完整步驟做逐步分解。

1、用戶說“天貓精靈，今天天氣怎么樣?”;2、“天貓精靈”被語音喚醒模塊接收到，并判斷為喚醒詞，然后通過AI芯片和硬件拾取和記錄“今天天氣怎么樣”這段語音，并發(fā)送給云端服務(wù)器;3、服務(wù)器把收集到的電腦信號(hào)，再次轉(zhuǎn)化成文字“今天天氣怎么樣”，交給語義理解服務(wù)器;語義理解服務(wù)器把“今天天氣怎么樣”這段文字，拆解成“事件=查詢天氣，時(shí)間=今天”這段控制指令回傳給設(shè)備。

4、設(shè)備根據(jù)時(shí)間和本機(jī)地理位置，找天氣服務(wù)器查詢天氣，并獲得天氣的的文本數(shù)據(jù)“今天要下雨”;5、設(shè)備把“今天要下雨”這幾個(gè)字發(fā)給文字轉(zhuǎn)聲音的服務(wù)器，服務(wù)器返回“今天要下雨”這段聲音，由設(shè)備喇叭播放出來。

毋庸置疑的是，以上五個(gè)步驟都是由智能音箱的硬件和云端的數(shù)據(jù)中心配合完成的，硬件只要負(fù)責(zé)聲音的拾取和傳達(dá)，云端則用豐富的數(shù)據(jù)資源去匹配用戶的需求，二者缺一不可。相對(duì)來說，聲音前處理技術(shù)則是智能硬件最最重要的部分，主要體現(xiàn)降噪和拾音效果兩方面，喚醒以及與機(jī)器對(duì)話的時(shí)候都需要拾音，而且拾音還有近距離和遠(yuǎn)距離之說，如果連最基本的聲音都沒有聽清和聽懂，談何后面的數(shù)據(jù)傳達(dá)和解析呢。

拾音技術(shù)的降噪(AEC)是通過麥克風(fēng)陣列，判斷人在哪個(gè)方向，增強(qiáng)那個(gè)方向的拾音效果，可有效保證遠(yuǎn)距離聲音拾取的準(zhǔn)確度。中國聲音前處理專家炬芯科技作為領(lǐng)先的AI芯片原廠，推出的眾多智能音箱和機(jī)器人方案已經(jīng)搭載雙麥降噪、7麥陣列的配置，且支持遠(yuǎn)距離拾音，確保智能語音的第一環(huán)不能掉鏈子。其中ATS3605D就是炬芯從2018年開始就在核心主推的雙麥克風(fēng)陣列智能語音芯片，已經(jīng)在各大品牌智能音箱、早教機(jī)器人、繪本機(jī)器人、物聯(lián)網(wǎng)中控等產(chǎn)品上完美落地，強(qiáng)大的聲音前處理技術(shù)為完美智能語音體驗(yàn)保駕護(hù)航。

如想讓讓智能語音產(chǎn)品做到真正的聰明，智能硬件(包括主控芯片和各種IC)和語音助手(云端數(shù)據(jù)中心)都需要再升級(jí)，不斷打通人和機(jī)器之間的對(duì)話壁壘，它才有可能做到真正的“通人情”。