11
“語音識(shí)別已經(jīng)有幾十年的歷史了，但是結(jié)合人工智能中的神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)，為語音識(shí)別提供了可能。未來的語音識(shí)別可以直接與人對(duì)話，理解人的語言，能通過聲音來對(duì)智能產(chǎn)品進(jìn)行復(fù)雜交互，簡(jiǎn)化人機(jī)交互，繼眼睛（顯示屏）、手（觸摸屏）后，耳朵&嘴巴將成為下一代人機(jī)交互的主要形式。人機(jī)對(duì)話是革命性的東西，從簡(jiǎn)單家庭使用：開電視、切換頻道大小聲音、設(shè)定冷氣及任何家電的控制都可以做到，語音可以做身份識(shí)別，語音助手可以提供私人定制服務(wù)。甚至智能語音可以取代人類大部分服務(wù)業(yè)與窗口行業(yè)，如一個(gè)餐館可以節(jié)省 90% 的人力，點(diǎn)餐加工送餐收款全部由人工智能完成?！?在智能語音被視作人工智能突破口的當(dāng)下，世平集團(tuán)資深技術(shù)總監(jiān)林建和認(rèn)為智能語音可創(chuàng)造無限可能。
世平集團(tuán)資深技術(shù)總監(jiān)林建和
?
除了智能音箱領(lǐng)域，語音識(shí)別與交互還可應(yīng)用于以下領(lǐng)域：
- 能家電的開關(guān)與操作（例如：WiFi 音箱、電視、燈，冰箱、電飯鍋、空氣凈化器）
- 家居管理（例如，智能照明、智能窗簾、智能床罩）
- 機(jī)器人（陪伴機(jī)器人、掃地機(jī)器人）
- 手機(jī)（例如撥電話給誰、傳簡(jiǎn)訊給誰、發(fā) e-mail 給誰、、撥放音樂、開啟 APP 等等）?
- 汽車信息娛樂系統(tǒng)（例如:導(dǎo)航, 簡(jiǎn)易功能的控制，播音樂、音量調(diào)整、撥打緊急電話、查詢路況與詢問路徑周邊設(shè)施等等
- 人類服務(wù)業(yè)與窗口行業(yè)
林建和先生認(rèn)為：智能語音在故事機(jī) /WiFi 音箱、車載語音識(shí)別，家電等會(huì)先落地。
理由在于：
語音識(shí)別距離較近，識(shí)別效果會(huì)比較好，且相較于主流的觸控型人機(jī)界面，語音交互具有先天優(yōu)勢(shì)，可真切的滿足絕大多數(shù)人的互動(dòng)需求。
在被看好的高端智能音箱、機(jī)器人（人機(jī)交互）、家庭醫(yī)療、智能購(gòu)物等領(lǐng)域，仍需時(shí)日才可落地。主要由于這些領(lǐng)域?qū)φZ音技術(shù)及實(shí)現(xiàn)效果要求較高，對(duì)于一定范圍的失誤都難以容忍，因此還有待技術(shù)的革新。另外，值得一提的是，用戶習(xí)慣的養(yǎng)成非一朝一夕，因此從用戶培養(yǎng)角度而言也需時(shí)日。
為智能語音發(fā)燒的硬件方案
既然智能語音可在這么多領(lǐng)域大顯身手，那么從硬件角度而言，怎樣的芯片才可稱之為專為智能語音而生呢？
“瑞芯微 RK3229、銳迪科 RDA5981、聯(lián)發(fā)科 MT8516、全志 R16、樂鑫 ESP32 等都可稱為專為智能語音而生，這些方案多是支持 WiFi 接入功能（還可能帶有 BLE 功能）、內(nèi)置 Codec、支持多通道麥克風(fēng)陣列接口與語音識(shí)別算法，并接入主流語義云平臺(tái)（科大訊飛、亞馬遜 Alexa 等）?！绷纸ê拖壬忉尩?。
世平集團(tuán)智能語音解決方案包括：
a. RK3229 多麥克風(fēng)解決方案和 RK3036 雙麥解決方案，麥克風(fēng)陣列算法和語義平臺(tái)已經(jīng)連接 科大訊飛、思必馳、云知聲等平臺(tái)，并支持 Amazon Alexa。
b. RDA ：RDA5981 + RDA5856，連接百度度秘平臺(tái),主打低成本語音識(shí)別方案。
c. MXCHIP VBS6100, 內(nèi)置思必馳語音技術(shù)方案，搭配 MiCO 操作系統(tǒng)，語音交互直達(dá)云端。
d. NXP i.MX7，連接 Amazon Alexa，Google Assistant，完美支持 Android Things。
e. TI TDA、Jacinto。
世平現(xiàn)在主要關(guān)注智能音箱與智慧家電等領(lǐng)域。林建和先生表示：當(dāng)下，智能語音方案實(shí)現(xiàn)的功能與性能還有待改善。
理想的應(yīng)用和產(chǎn)品定義是：可以把功耗做低，語音識(shí)別效果做好（更高識(shí)別率和對(duì)方言 / 口音的識(shí)別），實(shí)時(shí)性要高，體驗(yàn)更方便等。這有待于各原廠繼續(xù)推出更有競(jìng)爭(zhēng)力的產(chǎn)品，語音算法公司進(jìn)一步加強(qiáng)算法技術(shù)，以提高人工智能水平。智能語音的革新也需要大型平臺(tái)帶頭推動(dòng)軟硬件的結(jié)合，以提高接入數(shù)量，形成規(guī)模化的生態(tài)系統(tǒng)，給到用戶帶來更好的體驗(yàn)等。
智能語音布局：從整合資源到完善生態(tài)
林建和先生向與非網(wǎng)記者介紹了世平在智能語音方面的布局情況：
硬件方面
世平正在引入 RDA5981 語音識(shí)別方案，該方案搭載了 DuerOS（度秘）對(duì)話式人工智能操作系統(tǒng)，可以賦予輕量級(jí)設(shè)備對(duì)話能力。該方案還支持 ARM? mbed 內(nèi)核及安全網(wǎng)絡(luò)協(xié)議棧，實(shí)現(xiàn)了與云端的安全連接，降低了設(shè)備商應(yīng)用開發(fā)門檻。
另外，還將結(jié)合各芯片原廠資源，進(jìn)行應(yīng)用整合，以提升產(chǎn)品邊緣計(jì)算能力。
生態(tài)方面
世平將與平臺(tái)合作伙伴比如亞馬遜、Apple、家電廠商、阿里巴巴、華為、電信運(yùn)營(yíng)商等平臺(tái) / 產(chǎn)品廠商做深度對(duì)接。
細(xì)究智能語音軟肋，未來之路在哪？
正是由于世平看到智能語音落地過程中出現(xiàn)的問題，才有了以上布局與愿景。那么細(xì)究其技術(shù)痛點(diǎn)，林建和先生認(rèn)為所有以下五點(diǎn)：
低功耗處理：當(dāng)下的自動(dòng)語音識(shí)別需要較高功耗才可實(shí)現(xiàn)，下一代產(chǎn)品需要做的改善是搭一個(gè)聲音檢測(cè)電路，只在檢查到人聲時(shí)才打開更復(fù)雜的語音識(shí)別電路。才用此方案，可將功耗降低 90%以上，做到供電更持久。
識(shí)別率：由于方言與口音的原因，語音識(shí)別無法做到準(zhǔn)確識(shí)別，還有待于語音識(shí)別算法公司進(jìn)行繼續(xù)優(yōu)化。
語音識(shí)別的實(shí)時(shí)性：用戶說完待識(shí)別的詞條后，系統(tǒng)立即完成識(shí)別功能并有所回應(yīng)，這就對(duì)電路的運(yùn)算速度有較高的要求，這是一大難點(diǎn)。
體積和價(jià)格的要求：在要求有盡可能好的識(shí)別性能外，還要求體積盡可能小、可靠性高、價(jià)錢低等特點(diǎn)，這是需要充分平衡的因素。
互聯(lián)互通：在智慧家庭應(yīng)用中，場(chǎng)景單一聯(lián)動(dòng)不足，產(chǎn)品應(yīng)用偏向語音助理專屬裝置，語音處理服務(wù)尚未滲透到其他可聯(lián)網(wǎng)設(shè)備中，互聯(lián)互通存瓶頸。突破點(diǎn)是建立生態(tài)圈，開放語音接入服務(wù)，提供語音接入基礎(chǔ)模塊。
智能音箱被譽(yù)為智能家居的入口，現(xiàn)在互聯(lián)網(wǎng)廠商、運(yùn)營(yíng)商、家電廠商等都在積極布局，世平也是其中一員。林建和先生表示，世平是致力于元件通路商和系統(tǒng)方案整合者，我們希望能努力溝通上下游，一起完成該領(lǐng)域有競(jìng)爭(zhēng)力的方案，促進(jìn)整個(gè)領(lǐng)域的發(fā)展。我們現(xiàn)在是上與互聯(lián)網(wǎng)公司溝通以接入云平臺(tái)，下與各個(gè)原廠溝通以整合他們的方案并提供給客戶，希望大家都可以加入這個(gè)生態(tài)中，把智能語音做強(qiáng)做大。
與非網(wǎng)原創(chuàng)內(nèi)容，未經(jīng)許可，不得轉(zhuǎn)載！
