所(suo)(suo)謂智能語(yu)音(yin)(yin)產業(ye)(ye)主要(yao)(yao)指通過語(yu)音(yin)(yin)合成技(ji)術(shu)和語(yu)音(yin)(yin)識(shi)別(bie)技(ji)術(shu)，為用戶提供各種服(fu)務(wu)的(de)產業(ye)(ye)。一(yi)般(ban)來說，用戶只(zhi)需要(yao)(yao)用說話的(de)方式給服(fu)務(wu)終端發送命令，就能實(shi)現相(xiang)應(ying)的(de)服(fu)務(wu)。這一(yi)產業(ye)(ye)從上世紀(ji)六(liu)十(shi)年(nian)代就已(yi)經出現，但(dan)并不為普通消費(fei)者所(suo)(suo)熟(shu)知，消費(fei)者對其認知度也比(bi)較(jiao)低。近年(nian)來，隨著各大科技(ji)公(gong)司先后推出Siri等智能語(yu)音(yin)(yin)服(fu)務(wu)，這一(yi)服(fu)務(wu)以(yi)及相(xiang)關(guan)產業(ye)(ye)也開始被普通消費(fei)者和投資界(jie)所(suo)(suo)關(guan)注。
“您好，我的(de)朋(peng)友，到(dao)吃藥的(de)時間了！”當某個聲音在你耳(er)邊出現(xian)的(de)時候，你可能(neng)不會(hui)想到(dao)，這(zhe)也許僅是預(yu)設好的(de)一段(duan)程序(xu)。
語音交互是家庭智能機器人中的重要部分。這臺機器人可以和(he)你進行語音交流。當你高興地夸獎它(ta)時(shi)(shi)，他會呵呵地笑出(chu)(chu)聲來，當你和(he)它(ta)聊(liao)天(tian)時(shi)(shi)，它(ta)會根據你的(de)(de)話題說出(chu)(chu)相關(guan)的(de)(de)內容。當然，如果你家(jia)里有老人和(he)孩(hai)子(zi)，它(ta)還將扮演一位保姆(mu)的(de)(de)角色(se)。為老人提供心理慰藉(jie)，與孩(hai)子(zi)唱歌玩(wan)耍(shua)，它(ta)都是一個最佳的(de)(de)幫手。
只需喊(han)一聲“Hi，TV”，電(dian)視就(jiu)可以開啟語音控(kong)(kong)制系統，比如(ru)你說“最近天(tian)氣預報”，然(ran)后電(dian)視屏(ping)幕上就(jiu)會閃現出最近一周的本地(di)天(tian)氣情(qing)況。隨(sui)著智能電(dian)視功能的日漸豐(feng)富(fu)和強大，僅依靠(kao)一個簡單的電(dian)視遙(yao)控(kong)(kong)器已經滿足(zu)不了智能電(dian)視的操控(kong)(kong)需求。
引入語(yu)音識別和語(yu)音合成技術的智(zhi)能(neng)語(yu)音電視不僅能(neng)聽懂用(yong)(yong)戶說話(hua)(hua)并作出(chu)反應，而且還(huan)能(neng)“說出(chu)話(hua)(hua)”來。用(yong)(yong)戶憑(ping)借語(yu)音指令可以輕(qing)松完(wan)成換臺、電視節(jie)目查(cha)詢(xun)、網絡瀏覽(lan)/搜索、文字輸入等操(cao)作，而電視能(neng)做(zuo)的，就是根(gen)據用(yong)(yong)戶的需(xu)求讀出(chu)搜索到的內容。
未來(lai)，在每個家(jia)庭(ting)網絡上(shang)所有(you)通過電力(li)運轉的設備，都可以(yi)被人們的語音控制，比如可以(yi)控制室內的燈光、溫度等(deng)。
在駕駛環境(jing)下，用戶與車(che)(che)的(de)交(jiao)流，可(ke)以(yi)通過(guo)對話來實現，說(shuo)出“想回家”，汽車(che)(che)會根據(ju)你家的(de)位置設定(ding)好最(zui)佳(jia)路線，并開始(shi)導航。說(shuo)出“加油站”，幾公里范圍內的(de)加油站將(jiang)逐一由(you)車(che)(che)載語音系(xi)統播報出來。
在(zai)(zai)車載環境下，用(yong)戶的(de)(de)注意力主(zhu)要集中在(zai)(zai)于駕駛(shi)，人(ren)與(yu)車的(de)(de)交互必(bi)須在(zai)(zai)不影響駕駛(shi)的(de)(de)前提條件下進行，語(yu)音識別技術提供了(le)安全便捷的(de)(de)交互方式，用(yong)戶只需動口，就可以滿(man)足在(zai)(zai)行車過程中的(de)(de)相關需求。
該圖片由注冊用戶"科技數碼行"提供，版權聲明反饋
語音操控作為人機溝通的(de)(de)重(zhong)要(yao)手(shou)段(duan)，拍照、打電話、錄像，你只(zhi)需說出你的(de)(de)需求，它就將在你眼前展(zhan)現出你想要(yao)的(de)(de)結果。
智(zhi)能眼鏡(jing)、智(zhi)能手(shou)環、智(zhi)能手(shou)表，這(zhe)些互聯(lian)網時代的智(zhi)能化設備，最大限度地利用(yong)了(le)語音控(kong)制技術，它(ta)將讓未來的生活變得不可(ke)思(si)議。
“聽話”的瀏覽器離我們(men)并(bing)不遙(yao)遠(yuan)。或許要不了多久，我們(men)就(jiu)能(neng)拋開鼠標和觸摸板，通過聲控瀏覽器完(wan)成瀏覽網頁、發送郵件(jian)等(deng)。比如，你可以(yi)通過“暗一(yi)點”“亮一(yi)點”“字體大一(yi)號”等(deng)語音命(ming)令來(lai)控制(zhi)瀏覽器。
傳統的密碼恢復機制是回(hui)答一些預(yu)設(she)的安全問(wen)題，如“你的出生地在哪里”等，但這(zhe)類(lei)問(wen)題有些時候容易被黑客破解(jie)，用(yong)戶也可能記不起預(yu)設(she)的問(wen)題和答案，特(te)別是企業員工，就常常因(yin)為忘記密碼而(er)求(qiu)助(zhu)于IT部門。
為(wei)此，一家(jia)外國公司推出(chu)了(le)一項名為(wei)FastReset（快速設置(zhi)(zhi)）的(de)新服(fu)務。該服(fu)務可(ke)先讓(rang)員工通過手機或電(dian)話注(zhu)冊自己的(de)聲紋，一旦(dan)員工忘記密碼需要重置(zhi)(zhi)，只(zhi)需對著登(deng)錄界面念一段(duan)短語（比方說(shuo)“芝(zhi)麻開門”）即可(ke)完成。
很多小朋友都有這(zhe)樣的(de)夢(meng)想：擁有一(yi)個會說話(hua)的(de)玩具，就像喜劇電(dian)影(ying)《泰迪熊》里面的(de)TED一(yi)樣。
在ToyTalk的官方網站上，這個夢想有了變成現實的可能：小女孩完成家庭作業后，把平板立起來，打開ToyTalk應用，把泰迪熊玩具放在平板攝像頭前方，小女孩就能和在平板里“活(huo)過來”的泰(tai)迪熊對話了！
語音交互對于智能家居最直接的(de)意義在(zai)于(yu)把智(zhi)能(neng)(neng)(neng)家(jia)居變得真正的(de)智(zhi)能(neng)(neng)(neng)起來(lai)，不(bu)管(guan)品牌與(yu)技術多么(me)的(de)先進，人機(ji)交互界面多么(me)的(de)友善，都沒有語(yu)音交互控制(zhi)來(lai)的(de)簡便直接。科技讓生(sheng)活更智(zhi)能(neng)(neng)(neng)，語(yu)音讓交互更便捷、快捷。所以，如果智(zhi)能(neng)(neng)(neng)家(jia)居能(neng)(neng)(neng)與(yu)語(yu)音交互融于(yu)一體，那么(me)智(zhi)能(neng)(neng)(neng)家(jia)居產業也許會(hui)迎來(lai)一次劃(hua)時代(dai)的(de)突破。
用戶必須在離手機比較近(jin)的(de)(de)(de)距(ju)(ju)(ju)離內說話，但在智能(neng)(neng)家(jia)居環境(jing)(jing)中，用戶和(he)智能(neng)(neng)終端之間的(de)(de)(de)距(ju)(ju)(ju)離被大大增(zeng)加(jia)了，用戶能(neng)(neng)隨意用語音(yin)控制(zhi)智能(neng)(neng)家(jia)居的(de)(de)(de)一個必要(yao)條件就是在無論(lun)你在客廳哪(na)個角落發出指令，設備都能(neng)(neng)準確的(de)(de)(de)識(shi)別，語音(yin)識(shi)別技術必須突破距(ju)(ju)(ju)離的(de)(de)(de)障礙。目前室(shi)內的(de)(de)(de)語音(yin)交互(hu)受(shou)到背景噪音(yin)、其他人聲干擾、回聲、混響(xiang)等多重復雜因素影響(xiang)，只(zhi)能(neng)(neng)在相對(dui)安(an)靜、近(jin)距(ju)(ju)(ju)離的(de)(de)(de)環境(jing)(jing)下使用。
加(jia)之中國的語系(xi)、方言(yan)、口音相當多(duo)，再加(jia)上中文的多(duo)語義(yi)性，導致語音識(shi)別率能力不高。同(tong)時，在(zai)語義(yi)識(shi)別上，也存在(zai)上下文的關聯帶來(lai)識(shi)別的學習難、定位難和(he)建立模型難等問題。
語(yu)音(yin)識(shi)別技術(shu)(shu)就是(shi)讓機(ji)器(qi)通過(guo)(guo)識(shi)別和理解過(guo)(guo)程(cheng)把語(yu)音(yin)信號轉變(bian)為相應的(de)文本或命令的(de)技術(shu)(shu)，與(yu)機(ji)器(qi)進行(xing)語(yu)音(yin)交(jiao)流，讓機(ji)器(qi)明白你說什么。語(yu)音(yin)識(shi)別是(shi)一(yi)門交(jiao)叉學(xue)科，語(yu)音(yin)識(shi)別技術(shu)(shu)與(yu)語(yu)音(yin)合(he)(he)成技術(shu)(shu)結合(he)(he)使(shi)人們(men)能(neng)夠甩掉鍵盤，通過(guo)(guo)語(yu)音(yin)命令進行(xing)操作，語(yu)音(yin)技術(shu)(shu)的(de)應用已(yi)經成為一(yi)個具有競爭性的(de)新興高技術(shu)(shu)產業。
語(yu)音(yin)(yin)識別(bie)(bie)技術相當于給計算機(ji)系統(tong)裝上“耳朵”，使(shi)(shi)其具備“能聽(ting)”的(de)功能，該(gai)技術經過語(yu)音(yin)(yin)信號處(chu)(chu)理、語(yu)音(yin)(yin)特征處(chu)(chu)理、模型訓練及(ji)解碼引(yin)擎(qing)等復雜步驟，使(shi)(shi)機(ji)器最終能夠將語(yu)音(yin)(yin)中的(de)內容(rong)、說(shuo)話(hua)人、語(yu)種(zhong)等信息識別(bie)(bie)出來。語(yu)音(yin)(yin)控(kong)制功能的(de)實(shi)現，與用戶的(de)使(shi)(shi)用習慣高度關(guan)聯(lian)，目前的(de)語(yu)音(yin)(yin)控(kong)制功能實(shi)現方式可分(fen)為近場語(yu)音(yin)(yin)識別(bie)(bie)和遠場語(yu)音(yin)(yin)識別(bie)(bie)二個大類。
在對(dui)音箱(xiang)(xiang)等設(she)(she)(she)備進行(xing)語音控制時，往往該設(she)(she)(she)備處于(yu)播放歌曲的(de)(de)(de)(de)狀(zhuang)態。由于(yu)麥(mai)克(ke)風(feng)(feng)安(an)裝在音箱(xiang)(xiang)上，麥(mai)克(ke)風(feng)(feng)和說話人之(zhi)間的(de)(de)(de)(de)距離(li)要遠大于(yu)麥(mai)克(ke)風(feng)(feng)和揚聲(sheng)(sheng)(sheng)器(qi)之(zhi)間的(de)(de)(de)(de)距離(li)，在這樣的(de)(de)(de)(de)情況下，采用(yong)內(nei)外(wai)兼顧的(de)(de)(de)(de)方(fang)(fang)法(fa)(fa)(fa)進行(xing)解決(jue)。內(nei)部使(shi)用(yong)特殊的(de)(de)(de)(de)回(hui)(hui)聲(sheng)(sheng)(sheng)消除算法(fa)(fa)(fa)從內(nei)部減(jian)小噪音對(dui)麥(mai)克(ke)風(feng)(feng)的(de)(de)(de)(de)影響。另外(wai)對(dui)于(yu)震動帶來的(de)(de)(de)(de)非線性(xing)干擾，傳統的(de)(de)(de)(de)線性(xing)回(hui)(hui)聲(sheng)(sheng)(sheng)消除方(fang)(fang)法(fa)(fa)(fa)失效了(le)，因(yin)此可以(yi)使(shi)用(yong)非線性(xing)回(hui)(hui)聲(sheng)(sheng)(sheng)消除算法(fa)(fa)(fa)提高內(nei)部噪聲(sheng)(sheng)(sheng)消除的(de)(de)(de)(de)效果。在外(wai)部結構設(she)(she)(she)計方(fang)(fang)面，使(shi)用(yong)精心(xin)設(she)(she)(she)計的(de)(de)(de)(de)麥(mai)克(ke)風(feng)(feng)陣列減(jian)震結構，使(shi)多(duo)個麥(mai)克(ke)風(feng)(feng)和它所連接(jie)的(de)(de)(de)(de)電路(lu)板(ban)之(zhi)間的(de)(de)(de)(de)震動減(jian)小到最小，從而最大程(cheng)度的(de)(de)(de)(de)控制高聲(sheng)(sheng)(sheng)強(qiang)導致的(de)(de)(de)(de)音箱(xiang)(xiang)本(ben)體震動對(dui)拾音的(de)(de)(de)(de)干擾。
近(jin)場(chang)語(yu)音識別需要用戶(hu)點擊啟動(dong)，并且用戶(hu)與終(zhong)端(duan)(duan)設(she)備的距離比(bi)較近(jin)，如(ru)手機或其他終(zhong)端(duan)(duan)設(she)備，可直(zhi)接借助(zhu)這(zhe)些(xie)終(zhong)端(duan)(duan)設(she)備直(zhi)接實現控制功能。
遠場語(yu)(yu)(yu)(yu)(yu)音識(shi)別(bie)，以麥克風陣(zhen)列遠距(ju)(ju)離拾取(qu)的(de)(de)(de)語(yu)(yu)(yu)(yu)(yu)音數(shu)(shu)據(ju)作為輸入數(shu)(shu)據(ju)，通過(guo)語(yu)(yu)(yu)(yu)(yu)音識(shi)別(bie)的(de)(de)(de)算法(fa)將語(yu)(yu)(yu)(yu)(yu)音信號轉寫(xie)成文字的(de)(de)(de)技(ji)(ji)術(shu)(shu)。雖然和(he)(he)近(jin)場語(yu)(yu)(yu)(yu)(yu)音識(shi)別(bie)技(ji)(ji)術(shu)(shu)在原理上是相同(tong)的(de)(de)(de)，但是由(you)于音源和(he)(he)麥克風之間的(de)(de)(de)空間距(ju)(ju)離增大，在聲波傳播過(guo)程(cheng)中(zhong)會出現信號強度的(de)(de)(de)衰減和(he)(he)各種噪(zao)音干擾，因此(ci)需(xu)要(yao)特殊的(de)(de)(de)語(yu)(yu)(yu)(yu)(yu)音數(shu)(shu)據(ju)拾取(qu)和(he)(he)預(yu)(yu)處(chu)理技(ji)(ji)術(shu)(shu)；不(bu)同(tong)的(de)(de)(de)拾取(qu)設備和(he)(he)預(yu)(yu)處(chu)理技(ji)(ji)術(shu)(shu)常常會使(shi)用(yong)于語(yu)(yu)(yu)(yu)(yu)音識(shi)別(bie)的(de)(de)(de)聲波信號特征(zheng)發生改變，因此(ci)針對不(bu)同(tong)的(de)(de)(de)遠場語(yu)(yu)(yu)(yu)(yu)音拾取(qu)技(ji)(ji)術(shu)(shu)，需(xu)要(yao)對語(yu)(yu)(yu)(yu)(yu)音識(shi)別(bie)引擎進行定制化適(shi)配和(he)(he)優化。
當語(yu)(yu)(yu)音(yin)(yin)信(xin)(xin)號在傳(chuan)(chuan)播過程中有所(suo)衰減(jian)，影響(xiang)采集信(xin)(xin)號的(de)(de)(de)強度和分(fen)辨率，使用(yong)的(de)(de)(de)靈敏度非常高的(de)(de)(de)指向性麥克風(feng)，同時將麥克風(feng)的(de)(de)(de)參數(shu)(shu)(shu)調整到適(shi)合遠場語(yu)(yu)(yu)音(yin)(yin)數(shu)(shu)(shu)據(ju)(ju)的(de)(de)(de)模式，可以(yi)最大(da)限度采集清晰的(de)(de)(de)遠場語(yu)(yu)(yu)音(yin)(yin)信(xin)(xin)號。語(yu)(yu)(yu)音(yin)(yin)指令聲波(bo)在傳(chuan)(chuan)輸過程中受到周圍噪音(yin)(yin)的(de)(de)(de)污染，降低聲波(bo)信(xin)(xin)號的(de)(de)(de)信(xin)(xin)噪比，使用(yong)定向波(bo)速成(cheng)形(xing)技(ji)術，抑制(zhi)方向外的(de)(de)(de)噪音(yin)(yin)，從而減(jian)少噪音(yin)(yin)對語(yu)(yu)(yu)音(yin)(yin)信(xin)(xin)號的(de)(de)(de)干擾。在一(yi)個房間(jian)里，麥克風(feng)拾(shi)取的(de)(de)(de)聲波(bo)不(bu)僅(jin)僅(jin)直接(jie)來自于音(yin)(yin)源，還(huan)有音(yin)(yin)源發出后經過墻(qiang)壁反射的(de)(de)(de)遲到的(de)(de)(de)聲波(bo)，形(xing)成(cheng)聲音(yin)(yin)的(de)(de)(de)殘留，造成(cheng)混(hun)響(xiang)。利用(yong)多個麥克風(feng)采集的(de)(de)(de)數(shu)(shu)(shu)據(ju)(ju)，通過多通道回聲消(xiao)除算法，將這些不(bu)同時間(jian)達到的(de)(de)(de)聲音(yin)(yin)數(shu)(shu)(shu)據(ju)(ju)分(fen)離開(kai)來，從而消(xiao)除了混(hun)響(xiang)對聲音(yin)(yin)數(shu)(shu)(shu)據(ju)(ju)的(de)(de)(de)影響(xiang)。
在遠(yuan)距離用語音進(jin)行操控的(de)(de)時候，聲(sheng)音可能來(lai)自不(bu)同(tong)方向的(de)(de)不(bu)同(tong)人(ren)。因此首先要確定(ding)哪(na)些是(shi)發指(zhi)令的(de)(de)聲(sheng)音，哪(na)些不(bu)是(shi)。使用的(de)(de)麥克(ke)風陣列波速成(cheng)形算法，將360度(du)空間(jian)(jian)垂直劃分成(cheng)若干區(qu)域，每個麥克(ke)風負責檢測一(yi)個指(zhi)定(ding)的(de)(de)區(qu)域。當某(mou)個空間(jian)(jian)區(qu)域里面檢測到有喚醒詞出(chu)現時，對應于該空間(jian)(jian)區(qu)域的(de)(de)麥克(ke)風拾音功能就被(bei)增強，其他區(qu)域的(de)(de)麥克(ke)風拾音就被(bei)抑制(zhi)。從而(er)實現對聲(sheng)音進(jin)行有方向有角度(du)的(de)(de)拾取，避免了周圍電視機(ji)里的(de)(de)說話(hua)聲(sheng)音、其他人(ren)交談對語音指(zhi)令的(de)(de)影響。
語音喚(huan)(huan)醒(xing)，是(shi)指通(tong)過(guo)含有特定喚(huan)(huan)醒(xing)詞的(de)(de)語音輸入來“觸發(fa)”語音識(shi)別(bie)系統以實現后續的(de)(de)語音交(jiao)互。由于(yu)功(gong)耗等方面(mian)的(de)(de)限制，智(zhi)能設(she)備(bei)很難24小時都保持在激活(huo)狀(zhuang)態；因此，如果要在家里自(zi)由地控(kong)制智(zhi)能家居設(she)備(bei)，還需(xu)要有即時“喚(huan)(huan)醒(xing)”功(gong)能，也就是(shi)給智(zhi)能設(she)備(bei)加入“語音喚(huan)(huan)醒(xing)”技術(shu)。通(tong)過(guo)該(gai)技術(shu)，任何(he)人在任何(he)環境、任何(he)時間，無論是(shi)近場還是(shi)遠(yuan)場，面(mian)向設(she)備(bei)直接(jie)說出預(yu)設(she)的(de)(de)喚(huan)(huan)醒(xing)詞，就能激活(huo)產品的(de)(de)識(shi)別(bie)引擎，從而真正實現全程無觸控(kong)的(de)(de)語音交(jiao)互。
通過上面的介紹，相信大家對智能家居語音控制技術有了一定的了解，對智能家居語音控制技術的背景和功能有了深刻認識。生活在當代的我們，除了追求物質上的溫飽、衣服上的溫暖同時，還更加追求于精神上的方便、輕松、舒適。因此我們要不斷與時俱進，掌握新的智能技術。相信在不久的將來這種智能家居會(hui)成為你(ni)生活中(zhong)的好伙伴(ban)，好幫手！
米家
美居
華為
小度
京魚座
螢石
歐瑞博
BroadLink
控客
