所謂(wei)智(zhi)能(neng)語(yu)(yu)音產(chan)(chan)業(ye)主要指通(tong)過語(yu)(yu)音合(he)成技術和(he)語(yu)(yu)音識別技術，為用戶提供各種服(fu)務的產(chan)(chan)業(ye)。一般來說，用戶只需要用說話的方式(shi)給服(fu)務終端發(fa)送命令，就(jiu)能(neng)實現相應的服(fu)務。這(zhe)一產(chan)(chan)業(ye)從上世(shi)紀六十年代就(jiu)已經(jing)出現，但并不為普通(tong)消(xiao)費(fei)者所熟知，消(xiao)費(fei)者對其(qi)認知度(du)也比(bi)較(jiao)低。近年來，隨著各大(da)科技公司(si)先后推出Siri等(deng)智(zhi)能(neng)語(yu)(yu)音服(fu)務，這(zhe)一服(fu)務以及相關產(chan)(chan)業(ye)也開始被普通(tong)消(xiao)費(fei)者和(he)投資界所關注。
“您好(hao)，我的朋(peng)友，到(dao)吃(chi)藥(yao)的時(shi)間了！”當(dang)某個聲音在你(ni)耳邊(bian)出現的時(shi)候，你(ni)可能不會想到(dao)，這也許(xu)僅是預設好(hao)的一段程序。
語音交互是家庭智能機器人中的重要部分。這臺機器人可以和你進(jin)行語音交流。當你高興(xing)地(di)夸獎(jiang)它(ta)時，他(ta)會呵呵地(di)笑(xiao)出聲來，當你和它(ta)聊天時，它(ta)會根據你的(de)(de)話(hua)題說出相(xiang)關的(de)(de)內(nei)容。當然，如(ru)果你家里有老人和孩(hai)子(zi)，它(ta)還(huan)將扮演(yan)一位保姆的(de)(de)角色(se)。為老人提供(gong)心(xin)理慰藉，與孩(hai)子(zi)唱歌玩耍，它(ta)都(dou)是(shi)一個最(zui)佳的(de)(de)幫手。
只(zhi)需喊一(yi)聲“Hi，TV”，電(dian)視(shi)就(jiu)可以開啟語音控制系統(tong)，比(bi)如你說“最(zui)近(jin)天(tian)氣(qi)預報”，然后電(dian)視(shi)屏幕上(shang)就(jiu)會閃現出最(zui)近(jin)一(yi)周的(de)本(ben)地天(tian)氣(qi)情況。隨著(zhu)智能電(dian)視(shi)功能的(de)日漸豐(feng)富和強(qiang)大(da)，僅(jin)依靠一(yi)個簡單的(de)電(dian)視(shi)遙(yao)控器(qi)已經滿足(zu)不了智能電(dian)視(shi)的(de)操控需求。
引入(ru)(ru)語(yu)(yu)音識別和語(yu)(yu)音合成技術的智能語(yu)(yu)音電(dian)視不僅能聽懂用戶說話并作出反應，而且還能“說出話”來(lai)。用戶憑借語(yu)(yu)音指令可(ke)以輕(qing)松(song)完成換臺、電(dian)視節目查詢(xun)、網絡(luo)瀏(liu)覽/搜索(suo)、文字輸入(ru)(ru)等(deng)操作，而電(dian)視能做的，就是根據用戶的需求讀出搜索(suo)到的內容。
未來，在每個家庭(ting)網(wang)絡上(shang)所有通過電力(li)運轉的(de)設備，都可以(yi)被人們的(de)語(yu)音(yin)控(kong)制，比如可以(yi)控(kong)制室內的(de)燈(deng)光、溫度(du)等。
在駕(jia)駛環境下，用戶與車的(de)交流，可以(yi)通(tong)過對話來實現，說出“想回家”，汽車會根據你家的(de)位置設定好最佳路線(xian)，并開始導(dao)航。說出“加(jia)油站(zhan)”，幾(ji)公里范圍(wei)內的(de)加(jia)油站(zhan)將(jiang)逐一由車載語音系統播(bo)報出來。
在車載環境下，用(yong)戶的(de)注(zhu)意力(li)主要(yao)集(ji)中在于駕(jia)駛，人(ren)與車的(de)交(jiao)互必須在不影響駕(jia)駛的(de)前提條件下進行，語音(yin)識別技術提供了(le)安全(quan)便捷的(de)交(jiao)互方式，用(yong)戶只(zhi)需動(dong)口，就(jiu)可以滿足在行車過程(cheng)中的(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(kong)作為人(ren)機溝通(tong)的(de)(de)重要手段，拍(pai)照、打電話、錄像，你只需說出(chu)你的(de)(de)需求(qiu)，它就將在你眼(yan)前展現出(chu)你想要的(de)(de)結果。
智(zhi)能眼鏡、智(zhi)能手(shou)環、智(zhi)能手(shou)表，這些互聯(lian)網時代的智(zhi)能化設(she)備，最大限度地利用了語(yu)音控(kong)制技術(shu)，它(ta)將讓未來的生(sheng)活變得不可思議(yi)。
“聽話”的瀏覽器(qi)離我們并不遙(yao)遠。或許要不了多(duo)久，我們就能拋(pao)開(kai)鼠標和(he)觸摸板(ban)，通過(guo)(guo)聲控(kong)(kong)瀏覽器(qi)完成瀏覽網(wang)頁(ye)、發送(song)郵件等(deng)。比如(ru)，你(ni)可以通過(guo)(guo)“暗(an)一點”“亮一點”“字(zi)體大一號”等(deng)語音命令來控(kong)(kong)制瀏覽器(qi)。
傳統的(de)密碼恢(hui)復機制是回答一些預設的(de)安全問題，如“你的(de)出生地(di)在哪里(li)”等，但(dan)這類問題有些時候(hou)容(rong)易被(bei)黑客破解(jie)，用戶也可能(neng)記(ji)不起預設的(de)問題和答案，特別是企業員工，就常常因為忘記(ji)密碼而求助于IT部門。
為此(ci)，一(yi)家外國公司推(tui)出(chu)了一(yi)項名為FastReset（快速設(she)置(zhi)）的新服(fu)務。該服(fu)務可(ke)先讓員工通過手機(ji)或電話(hua)注(zhu)冊自己的聲紋，一(yi)旦(dan)員工忘記密(mi)碼需要重置(zhi)，只(zhi)需對著登錄界面念一(yi)段短語（比方說(shuo)“芝麻(ma)開門”）即可(ke)完成。
很多小(xiao)朋友都有(you)這樣的(de)夢想：擁有(you)一(yi)(yi)個會說(shuo)話的(de)玩具，就(jiu)像喜劇(ju)電影《泰迪(di)熊》里面的(de)TED一(yi)(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(ping)板(ban)攝像頭前方，小女孩就能和在平板(ban)里“活過來(lai)”的泰迪熊對(dui)話了！
語音交互對于智能家居最直(zhi)接的(de)意義(yi)在于把智(zhi)能(neng)家居變得真正的(de)智(zhi)能(neng)起來，不(bu)管(guan)品(pin)牌與技(ji)術(shu)多(duo)么(me)的(de)先(xian)進，人(ren)機交(jiao)(jiao)互界面多(duo)么(me)的(de)友善，都(dou)沒有語音交(jiao)(jiao)互控(kong)制(zhi)來的(de)簡便直(zhi)接。科技(ji)讓生(sheng)活(huo)更智(zhi)能(neng)，語音讓交(jiao)(jiao)互更便捷、快捷。所(suo)以，如果智(zhi)能(neng)家居能(neng)與語音交(jiao)(jiao)互融于一(yi)體(ti)，那么(me)智(zhi)能(neng)家居產業(ye)也許會(hui)迎來一(yi)次劃時代(dai)的(de)突破。
用戶(hu)必(bi)須(xu)在離手(shou)機比較近的距(ju)離內說話，但在智能家(jia)居環(huan)境(jing)中(zhong)，用戶(hu)和智能終端之間(jian)的距(ju)離被大(da)大(da)增加了(le)，用戶(hu)能隨意用語(yu)音(yin)(yin)控制智能家(jia)居的一個必(bi)要條件就是在無論你在客廳哪(na)個角落發出(chu)指令，設備都能準(zhun)確的識別，語(yu)音(yin)(yin)識別技術必(bi)須(xu)突(tu)破(po)距(ju)離的障礙(ai)。目前室內的語(yu)音(yin)(yin)交互受到(dao)背景(jing)噪音(yin)(yin)、其他人(ren)聲干(gan)擾、回聲、混響等多(duo)重復雜因素影響，只能在相對安靜、近距(ju)離的環(huan)境(jing)下使用。
加之中(zhong)國(guo)的(de)語(yu)系、方(fang)言、口音(yin)相當多，再加上中(zhong)文的(de)多語(yu)義性，導致(zhi)語(yu)音(yin)識別率能力不(bu)高。同(tong)時(shi)，在(zai)語(yu)義識別上，也存在(zai)上下文的(de)關聯帶(dai)來識別的(de)學(xue)習難、定位難和建(jian)立模型難等問(wen)題(ti)。
語(yu)(yu)音(yin)(yin)(yin)(yin)識(shi)別(bie)技術就是讓(rang)(rang)機(ji)器通(tong)過(guo)識(shi)別(bie)和(he)理解(jie)過(guo)程把(ba)語(yu)(yu)音(yin)(yin)(yin)(yin)信(xin)號轉(zhuan)變(bian)為(wei)(wei)相應(ying)(ying)的文本(ben)或命令(ling)的技術，與(yu)機(ji)器進(jin)(jin)行語(yu)(yu)音(yin)(yin)(yin)(yin)交流，讓(rang)(rang)機(ji)器明白你(ni)說(shuo)什么。語(yu)(yu)音(yin)(yin)(yin)(yin)識(shi)別(bie)是一門交叉學科，語(yu)(yu)音(yin)(yin)(yin)(yin)識(shi)別(bie)技術與(yu)語(yu)(yu)音(yin)(yin)(yin)(yin)合成技術結合使人們能(neng)夠甩掉鍵盤，通(tong)過(guo)語(yu)(yu)音(yin)(yin)(yin)(yin)命令(ling)進(jin)(jin)行操(cao)作，語(yu)(yu)音(yin)(yin)(yin)(yin)技術的應(ying)(ying)用已經成為(wei)(wei)一個具有競爭性的新興高技術產業。
語(yu)(yu)(yu)音(yin)(yin)(yin)(yin)識(shi)別(bie)技術相當(dang)于給(gei)計算機(ji)(ji)系統裝上(shang)“耳朵”，使(shi)其具備“能(neng)(neng)聽”的功能(neng)(neng)，該技術經過語(yu)(yu)(yu)音(yin)(yin)(yin)(yin)信號處理(li)、語(yu)(yu)(yu)音(yin)(yin)(yin)(yin)特征處理(li)、模型訓(xun)練及解碼(ma)引擎(qing)等(deng)復(fu)雜步驟，使(shi)機(ji)(ji)器最終能(neng)(neng)夠將語(yu)(yu)(yu)音(yin)(yin)(yin)(yin)中的內容(rong)、說(shuo)話人、語(yu)(yu)(yu)種等(deng)信息識(shi)別(bie)出來。語(yu)(yu)(yu)音(yin)(yin)(yin)(yin)控制功能(neng)(neng)的實(shi)現，與(yu)用戶的使(shi)用習慣高度關聯，目(mu)前的語(yu)(yu)(yu)音(yin)(yin)(yin)(yin)控制功能(neng)(neng)實(shi)現方式可分為近場語(yu)(yu)(yu)音(yin)(yin)(yin)(yin)識(shi)別(bie)和(he)遠場語(yu)(yu)(yu)音(yin)(yin)(yin)(yin)識(shi)別(bie)二個大類。
在(zai)對(dui)(dui)音箱等設備(bei)進行(xing)語音控(kong)制時(shi)，往往該設備(bei)處于播放歌曲(qu)的(de)(de)(de)(de)狀(zhuang)態。由于麥(mai)克(ke)(ke)風(feng)(feng)(feng)安裝在(zai)音箱上，麥(mai)克(ke)(ke)風(feng)(feng)(feng)和(he)說話(hua)人之(zhi)間(jian)的(de)(de)(de)(de)距離要遠大于麥(mai)克(ke)(ke)風(feng)(feng)(feng)和(he)揚聲(sheng)器之(zhi)間(jian)的(de)(de)(de)(de)距離，在(zai)這樣(yang)的(de)(de)(de)(de)情況下，采用內(nei)外(wai)兼顧的(de)(de)(de)(de)方(fang)法(fa)進行(xing)解決。內(nei)部(bu)使(shi)(shi)用特殊的(de)(de)(de)(de)回(hui)聲(sheng)消除算法(fa)從(cong)內(nei)部(bu)減(jian)小(xiao)噪(zao)音對(dui)(dui)麥(mai)克(ke)(ke)風(feng)(feng)(feng)的(de)(de)(de)(de)影響。另外(wai)對(dui)(dui)于震(zhen)動帶(dai)來的(de)(de)(de)(de)非(fei)線性干擾(rao)，傳(chuan)統的(de)(de)(de)(de)線性回(hui)聲(sheng)消除方(fang)法(fa)失(shi)效(xiao)了(le)，因此(ci)可以使(shi)(shi)用非(fei)線性回(hui)聲(sheng)消除算法(fa)提高內(nei)部(bu)噪(zao)聲(sheng)消除的(de)(de)(de)(de)效(xiao)果。在(zai)外(wai)部(bu)結(jie)構設計方(fang)面，使(shi)(shi)用精心設計的(de)(de)(de)(de)麥(mai)克(ke)(ke)風(feng)(feng)(feng)陣列(lie)減(jian)震(zhen)結(jie)構，使(shi)(shi)多個麥(mai)克(ke)(ke)風(feng)(feng)(feng)和(he)它所(suo)連接的(de)(de)(de)(de)電路板之(zhi)間(jian)的(de)(de)(de)(de)震(zhen)動減(jian)小(xiao)到(dao)最小(xiao)，從(cong)而最大程度的(de)(de)(de)(de)控(kong)制高聲(sheng)強導致(zhi)的(de)(de)(de)(de)音箱本(ben)體震(zhen)動對(dui)(dui)拾音的(de)(de)(de)(de)干擾(rao)。
近(jin)場語音(yin)識別(bie)需要用戶點擊啟動，并且用戶與終(zhong)(zhong)端(duan)設備(bei)的距離比較近(jin)，如手(shou)機或(huo)其他終(zhong)(zhong)端(duan)設備(bei)，可直(zhi)(zhi)接借助這(zhe)些終(zhong)(zhong)端(duan)設備(bei)直(zhi)(zhi)接實現控制(zhi)功能(neng)。
遠場(chang)語音(yin)(yin)識別(bie)(bie)，以麥克風陣(zhen)列遠距離拾(shi)取的語音(yin)(yin)數(shu)據(ju)作(zuo)為輸入數(shu)據(ju)，通過語音(yin)(yin)識別(bie)(bie)的算(suan)法將語音(yin)(yin)信號轉寫成文字的技(ji)(ji)術(shu)。雖然和近(jin)場(chang)語音(yin)(yin)識別(bie)(bie)技(ji)(ji)術(shu)在原理(li)(li)上是(shi)相(xiang)同(tong)(tong)的，但是(shi)由于音(yin)(yin)源和麥克風之(zhi)間的空間距離增大，在聲波(bo)傳(chuan)播過程中(zhong)會(hui)出現信號強度的衰減和各種噪(zao)音(yin)(yin)干擾，因此需(xu)要(yao)特殊(shu)的語音(yin)(yin)數(shu)據(ju)拾(shi)取和預(yu)處理(li)(li)技(ji)(ji)術(shu)；不同(tong)(tong)的拾(shi)取設(she)備和預(yu)處理(li)(li)技(ji)(ji)術(shu)常常會(hui)使用于語音(yin)(yin)識別(bie)(bie)的聲波(bo)信號特征發生改(gai)變，因此針對不同(tong)(tong)的遠場(chang)語音(yin)(yin)拾(shi)取技(ji)(ji)術(shu)，需(xu)要(yao)對語音(yin)(yin)識別(bie)(bie)引擎進行定制化適配和優化。
當語(yu)音(yin)(yin)信(xin)號(hao)在(zai)傳(chuan)(chuan)播過程中有(you)所衰(shuai)減(jian)，影響采集(ji)信(xin)號(hao)的(de)(de)(de)(de)(de)(de)(de)強度(du)和分(fen)辨率，使用的(de)(de)(de)(de)(de)(de)(de)靈敏度(du)非常高的(de)(de)(de)(de)(de)(de)(de)指(zhi)向性麥克(ke)風，同時將(jiang)麥克(ke)風的(de)(de)(de)(de)(de)(de)(de)參數(shu)(shu)調整到(dao)適合遠場語(yu)音(yin)(yin)數(shu)(shu)據(ju)的(de)(de)(de)(de)(de)(de)(de)模式，可以最大限度(du)采集(ji)清晰的(de)(de)(de)(de)(de)(de)(de)遠場語(yu)音(yin)(yin)信(xin)號(hao)。語(yu)音(yin)(yin)指(zhi)令聲(sheng)波(bo)(bo)在(zai)傳(chuan)(chuan)輸過程中受到(dao)周圍噪音(yin)(yin)的(de)(de)(de)(de)(de)(de)(de)污染，降低聲(sheng)波(bo)(bo)信(xin)號(hao)的(de)(de)(de)(de)(de)(de)(de)信(xin)噪比，使用定向波(bo)(bo)速成形技術，抑制方向外的(de)(de)(de)(de)(de)(de)(de)噪音(yin)(yin)，從而(er)減(jian)少噪音(yin)(yin)對語(yu)音(yin)(yin)信(xin)號(hao)的(de)(de)(de)(de)(de)(de)(de)干(gan)擾。在(zai)一個房(fang)間里，麥克(ke)風拾取的(de)(de)(de)(de)(de)(de)(de)聲(sheng)波(bo)(bo)不(bu)僅(jin)僅(jin)直(zhi)接來(lai)自(zi)于音(yin)(yin)源，還有(you)音(yin)(yin)源發出后經(jing)過墻壁反射(she)的(de)(de)(de)(de)(de)(de)(de)遲到(dao)的(de)(de)(de)(de)(de)(de)(de)聲(sheng)波(bo)(bo)，形成聲(sheng)音(yin)(yin)的(de)(de)(de)(de)(de)(de)(de)殘留，造成混響。利用多個麥克(ke)風采集(ji)的(de)(de)(de)(de)(de)(de)(de)數(shu)(shu)據(ju)，通(tong)過多通(tong)道回聲(sheng)消除(chu)算法(fa)，將(jiang)這些不(bu)同時間達到(dao)的(de)(de)(de)(de)(de)(de)(de)聲(sheng)音(yin)(yin)數(shu)(shu)據(ju)分(fen)離開來(lai)，從而(er)消除(chu)了混響對聲(sheng)音(yin)(yin)數(shu)(shu)據(ju)的(de)(de)(de)(de)(de)(de)(de)影響。
在遠距離用(yong)語(yu)音(yin)進行操控的(de)(de)(de)(de)(de)時候，聲(sheng)音(yin)可能來自不同(tong)方向的(de)(de)(de)(de)(de)不同(tong)人。因此首先要確定哪(na)些是(shi)發指(zhi)令(ling)的(de)(de)(de)(de)(de)聲(sheng)音(yin)，哪(na)些不是(shi)。使用(yong)的(de)(de)(de)(de)(de)麥(mai)克(ke)風(feng)陣列波(bo)速成形算法，將(jiang)360度空(kong)間垂直劃分成若(ruo)干區域，每個麥(mai)克(ke)風(feng)負責(ze)檢測一個指(zhi)定的(de)(de)(de)(de)(de)區域。當某個空(kong)間區域里(li)面檢測到有(you)喚醒詞(ci)出現時，對應于該空(kong)間區域的(de)(de)(de)(de)(de)麥(mai)克(ke)風(feng)拾音(yin)功能就被(bei)增強，其他區域的(de)(de)(de)(de)(de)麥(mai)克(ke)風(feng)拾音(yin)就被(bei)抑制。從而實現對聲(sheng)音(yin)進行有(you)方向有(you)角度的(de)(de)(de)(de)(de)拾取，避免(mian)了(le)周(zhou)圍電視機里(li)的(de)(de)(de)(de)(de)說話(hua)聲(sheng)音(yin)、其他人交(jiao)談對語(yu)音(yin)指(zhi)令(ling)的(de)(de)(de)(de)(de)影響。
語(yu)音(yin)(yin)(yin)喚(huan)(huan)(huan)醒(xing)(xing)，是(shi)指通過(guo)含有(you)特定喚(huan)(huan)(huan)醒(xing)(xing)詞的(de)語(yu)音(yin)(yin)(yin)輸入來“觸發(fa)”語(yu)音(yin)(yin)(yin)識(shi)別(bie)系統以實(shi)現(xian)后續的(de)語(yu)音(yin)(yin)(yin)交(jiao)互。由于(yu)功耗(hao)等方(fang)面的(de)限制，智能(neng)設(she)(she)備(bei)很難(nan)24小時都保持在(zai)激(ji)(ji)活狀態；因此(ci)，如果要在(zai)家里(li)自(zi)由地控制智能(neng)家居設(she)(she)備(bei)，還(huan)需要有(you)即時“喚(huan)(huan)(huan)醒(xing)(xing)”功能(neng)，也(ye)就是(shi)給(gei)智能(neng)設(she)(she)備(bei)加入“語(yu)音(yin)(yin)(yin)喚(huan)(huan)(huan)醒(xing)(xing)”技術。通過(guo)該技術，任何人在(zai)任何環(huan)境、任何時間，無論(lun)是(shi)近場還(huan)是(shi)遠場，面向設(she)(she)備(bei)直接(jie)說出預設(she)(she)的(de)喚(huan)(huan)(huan)醒(xing)(xing)詞，就能(neng)激(ji)(ji)活產品的(de)識(shi)別(bie)引擎，從而真正(zheng)實(shi)現(xian)全程無觸控的(de)語(yu)音(yin)(yin)(yin)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成為你生(sheng)活(huo)中的好(hao)伙伴，好(hao)幫手！
米家
美居
華為
小度
京魚座
螢石
歐瑞博
BroadLink
控客
