智能家居語音系統簡介

所謂智(zhi)能(neng)語音(yin)(yin)產(chan)業(ye)主(zhu)要指通(tong)過語音(yin)(yin)合成技術(shu)和(he)語音(yin)(yin)識別技術(shu)，為用戶提供各(ge)種(zhong)服務的(de)(de)產(chan)業(ye)。一般來(lai)說，用戶只(zhi)需要用說話(hua)的(de)(de)方式給(gei)服務終端發(fa)送命令(ling)，就能(neng)實現(xian)相(xiang)應(ying)的(de)(de)服務。這一產(chan)業(ye)從(cong)上世紀六十年代就已經(jing)出現(xian)，但并不為普(pu)通(tong)消(xiao)費者所熟(shu)知，消(xiao)費者對其認知度(du)也(ye)比較低。近年來(lai)，隨著各(ge)大科技公(gong)司先后推出Siri等智(zhi)能(neng)語音(yin)(yin)服務，這一服務以及相(xiang)關產(chan)業(ye)也(ye)開(kai)始被普(pu)通(tong)消(xiao)費者和(he)投資界所關注。

智能家居語音系統功能

家庭智能機器人

“您好(hao)，我(wo)的朋友，到吃藥的時間了！”當某個聲音在你耳邊出現的時候(hou)，你可能不會(hui)想到，這也(ye)許僅是預設好(hao)的一(yi)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(ni)(ni)進(jin)行(xing)語音交流。當你(ni)(ni)高興地(di)夸獎它時，他會(hui)(hui)呵(he)呵(he)地(di)笑出(chu)聲來，當你(ni)(ni)和它聊天時，它會(hui)(hui)根(gen)據你(ni)(ni)的話題(ti)說出(chu)相關的內(nei)容(rong)。當然，如(ru)果你(ni)(ni)家里(li)有老人(ren)和孩子，它還(huan)將(jiang)扮演一位保姆的角色。為(wei)老人(ren)提供心理慰藉，與孩子唱歌玩耍，它都是(shi)一個最(zui)佳的幫手。

智能家居新玩法

只需喊一聲“Hi，TV”，電(dian)(dian)視(shi)就可以開啟語(yu)音控(kong)制(zhi)系(xi)統(tong)，比如你說“最近天(tian)氣(qi)預報”，然后電(dian)(dian)視(shi)屏幕上(shang)就會閃現出最近一周的(de)本(ben)地天(tian)氣(qi)情況(kuang)。隨著智能(neng)電(dian)(dian)視(shi)功能(neng)的(de)日漸豐富和強大，僅依靠一個簡單的(de)電(dian)(dian)視(shi)遙控(kong)器已經滿足不了智能(neng)電(dian)(dian)視(shi)的(de)操控(kong)需求。

引入語(yu)音(yin)(yin)識(shi)別和語(yu)音(yin)(yin)合成技術的(de)智能(neng)語(yu)音(yin)(yin)電(dian)視(shi)不僅能(neng)聽懂用(yong)(yong)戶說話并作出反應，而且(qie)還能(neng)“說出話”來。用(yong)(yong)戶憑借(jie)語(yu)音(yin)(yin)指令可以輕(qing)松完成換(huan)臺、電(dian)視(shi)節(jie)目(mu)查詢、網絡瀏覽/搜索、文(wen)字輸入等操作，而電(dian)視(shi)能(neng)做的(de)，就是根據用(yong)(yong)戶的(de)需(xu)求讀出搜索到(dao)的(de)內容。

未來，在每(mei)個家庭網絡上所有通過電(dian)力運(yun)轉(zhuan)的(de)設備，都可以(yi)被人們的(de)語音控制(zhi)，比如可以(yi)控制(zhi)室(shi)內的(de)燈光、溫度等。

車載智能語音系統

在(zai)駕駛環(huan)境下，用戶與車的交(jiao)流，可以通過(guo)對話來(lai)實現，說(shuo)(shuo)出(chu)“想回(hui)家(jia)”，汽車會(hui)根據你家(jia)的位(wei)置設(she)定(ding)好最(zui)佳路線，并開始導航。說(shuo)(shuo)出(chu)“加(jia)油站”，幾公里范圍內的加(jia)油站將逐一由車載(zai)語(yu)音系統(tong)播報(bao)出(chu)來(lai)。

在車載環境下(xia)，用戶的(de)(de)(de)(de)注意力(li)主要集中在于(yu)駕駛，人(ren)與車的(de)(de)(de)(de)交互必(bi)須在不影響(xiang)駕駛的(de)(de)(de)(de)前提條件(jian)下(xia)進(jin)行(xing)，語音(yin)識別技術(shu)提供了安(an)全便捷(jie)的(de)(de)(de)(de)交互方式(shi)，用戶只需(xu)(xu)動口(kou)，就可以滿足在行(xing)車過(guo)程中的(de)(de)(de)(de)相(xiang)關(guan)需(xu)(xu)求。

該圖片由注冊用戶"科技數碼行"提供，版權聲明反饋

智能穿戴設備

語音操控作為人機(ji)溝通(tong)的重要手段，拍照、打電(dian)話、錄像，你只(zhi)需說出你的需求，它就將在你眼前(qian)展現出你想要的結(jie)果。

智能眼鏡、智能手環、智能手表，這些互(hu)聯網時代的(de)智能化(hua)設備(bei)，最大限度地利用了語(yu)音控制技術，它將讓(rang)未來的(de)生活變得不可(ke)思議。

“聽話”的瀏覽器

“聽(ting)話”的(de)瀏(liu)覽(lan)(lan)器離我(wo)們并不遙遠。或許要不了(le)多久，我(wo)們就能(neng)拋開(kai)鼠標和觸(chu)摸板，通過(guo)聲控(kong)瀏(liu)覽(lan)(lan)器完成瀏(liu)覽(lan)(lan)網(wang)頁、發送郵件等。比如，你可以通過(guo)“暗一(yi)點”“亮(liang)一(yi)點”“字體大一(yi)號”等語音(yin)命令來控(kong)制(zhi)瀏(liu)覽(lan)(lan)器。

獨特的聲音密碼

傳(chuan)統(tong)的(de)密(mi)碼恢(hui)復機制是回(hui)答(da)一些(xie)(xie)預設的(de)安全問題，如“你的(de)出(chu)生地在哪里”等，但這類問題有些(xie)(xie)時(shi)候容易被黑客(ke)破(po)解，用(yong)戶也可能記(ji)不起預設的(de)問題和答(da)案，特別是企(qi)業(ye)員工，就常常因為(wei)忘記(ji)密(mi)碼而求助于IT部門。

為此，一家(jia)外國公司(si)推出了一項(xiang)名(ming)為FastReset（快速設置(zhi)）的新服務。該服務可先讓(rang)員工通過手機或電話(hua)注冊自(zi)己的聲(sheng)紋，一旦員工忘記密碼(ma)需要(yao)重(zhong)置(zhi)，只(zhi)需對(dui)著登(deng)錄(lu)界(jie)面念一段短語（比方(fang)說“芝麻開門”）即可完成。

讓玩具“活”過來

很多小(xiao)朋友都有這樣的夢想：擁有一(yi)個會說話的玩具，就像喜劇電影《泰迪(di)熊》里面(mian)的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(li)“活過來(lai)”的泰迪熊對話了！

智能家居語音控制利弊

優點

語音交互對于智能家居最直接的(de)意義在于把(ba)智(zhi)能(neng)家居(ju)(ju)變得真正的(de)智(zhi)能(neng)起來，不管品牌與技術(shu)多么(me)的(de)先(xian)進，人機(ji)交(jiao)(jiao)互界面多么(me)的(de)友(you)善，都沒(mei)有語音交(jiao)(jiao)互控制來的(de)簡便(bian)直接。科(ke)技讓生(sheng)活更(geng)智(zhi)能(neng)，語音讓交(jiao)(jiao)互更(geng)便(bian)捷、快(kuai)捷。所以，如果智(zhi)能(neng)家居(ju)(ju)能(neng)與語音交(jiao)(jiao)互融于一(yi)體(ti)，那么(me)智(zhi)能(neng)家居(ju)(ju)產業也許會(hui)迎來一(yi)次劃(hua)時代的(de)突破。

缺陷

用(yong)(yong)戶(hu)必須(xu)在離手機比較近(jin)的距(ju)離內(nei)說(shuo)話，但在智(zhi)(zhi)能(neng)家居(ju)環(huan)境(jing)中，用(yong)(yong)戶(hu)和智(zhi)(zhi)能(neng)終端之間的距(ju)離被大大增加了，用(yong)(yong)戶(hu)能(neng)隨意用(yong)(yong)語音控制(zhi)智(zhi)(zhi)能(neng)家居(ju)的一個必要(yao)條件就是在無論你在客廳哪個角落(luo)發(fa)出指令，設備都能(neng)準確的識(shi)別，語音識(shi)別技術必須(xu)突破距(ju)離的障(zhang)礙。目前室內(nei)的語音交(jiao)互受(shou)到(dao)背景噪音、其他人聲干擾、回聲、混響(xiang)等多重復雜因(yin)素影響(xiang)，只能(neng)在相對(dui)安(an)靜、近(jin)距(ju)離的環(huan)境(jing)下使用(yong)(yong)。

加之中(zhong)國的(de)語(yu)系、方言(yan)、口音相當多，再(zai)加上中(zhong)文的(de)多語(yu)義性，導致語(yu)音識(shi)別率(lv)能力不高。同時，在語(yu)義識(shi)別上，也存在上下文的(de)關聯帶來識(shi)別的(de)學習難、定位(wei)難和建立(li)模(mo)型難等問(wen)題。

智能家居語音控制原理

語音控制技術

語音(yin)(yin)(yin)識(shi)(shi)別(bie)技術就是讓(rang)(rang)機(ji)器通(tong)過(guo)(guo)識(shi)(shi)別(bie)和理(li)解過(guo)(guo)程把語音(yin)(yin)(yin)信號轉(zhuan)變為相應(ying)的文本或命令的技術，與(yu)機(ji)器進行語音(yin)(yin)(yin)交流，讓(rang)(rang)機(ji)器明白你說什么。語音(yin)(yin)(yin)識(shi)(shi)別(bie)是一門交叉學科，語音(yin)(yin)(yin)識(shi)(shi)別(bie)技術與(yu)語音(yin)(yin)(yin)合成技術結合使人們能夠甩掉鍵盤(pan)，通(tong)過(guo)(guo)語音(yin)(yin)(yin)命令進行操作，語音(yin)(yin)(yin)技術的應(ying)用已經成為一個具有競爭性的新興(xing)高技術產業(ye)。

語音識別控制技術

語音(yin)識(shi)別(bie)技(ji)術相當于給計(ji)算機(ji)系統(tong)裝上“耳朵”，使(shi)其具備“能(neng)聽”的功能(neng)，該(gai)技(ji)術經(jing)過語音(yin)信號(hao)處理、語音(yin)特(te)征(zheng)處理、模(mo)型訓練及解碼引擎(qing)等復(fu)雜步(bu)驟(zou)，使(shi)機(ji)器最終能(neng)夠(gou)將語音(yin)中的內容(rong)、說話人、語種等信息識(shi)別(bie)出來。語音(yin)控(kong)制功能(neng)的實現，與用戶的使(shi)用習慣(guan)高度關(guan)聯，目前的語音(yin)控(kong)制功能(neng)實現方式可分(fen)為近場語音(yin)識(shi)別(bie)和遠場語音(yin)識(shi)別(bie)二個大類。

播放狀態打斷技術

在對(dui)音(yin)箱等設備進(jin)行語(yu)音(yin)控(kong)制(zhi)時，往往該設備處于播放歌曲(qu)的(de)(de)(de)(de)(de)(de)(de)(de)(de)狀態。由(you)于麥克(ke)風安裝在音(yin)箱上，麥克(ke)風和說話人之(zhi)間(jian)(jian)的(de)(de)(de)(de)(de)(de)(de)(de)(de)距(ju)離(li)要遠大于麥克(ke)風和揚(yang)聲器(qi)之(zhi)間(jian)(jian)的(de)(de)(de)(de)(de)(de)(de)(de)(de)距(ju)離(li)，在這樣的(de)(de)(de)(de)(de)(de)(de)(de)(de)情況(kuang)下，采(cai)用內(nei)外兼(jian)顧的(de)(de)(de)(de)(de)(de)(de)(de)(de)方(fang)法(fa)進(jin)行解(jie)決。內(nei)部(bu)使用特殊(shu)的(de)(de)(de)(de)(de)(de)(de)(de)(de)回聲消(xiao)(xiao)除算法(fa)從內(nei)部(bu)減小(xiao)噪音(yin)對(dui)麥克(ke)風的(de)(de)(de)(de)(de)(de)(de)(de)(de)影響。另外對(dui)于震(zhen)動帶來的(de)(de)(de)(de)(de)(de)(de)(de)(de)非(fei)線(xian)(xian)性(xing)干擾(rao)，傳統的(de)(de)(de)(de)(de)(de)(de)(de)(de)線(xian)(xian)性(xing)回聲消(xiao)(xiao)除方(fang)法(fa)失效了(le)，因此(ci)可以使用非(fei)線(xian)(xian)性(xing)回聲消(xiao)(xiao)除算法(fa)提(ti)高(gao)內(nei)部(bu)噪聲消(xiao)(xiao)除的(de)(de)(de)(de)(de)(de)(de)(de)(de)效果。在外部(bu)結(jie)構設計方(fang)面，使用精心設計的(de)(de)(de)(de)(de)(de)(de)(de)(de)麥克(ke)風陣列減震(zhen)結(jie)構，使多(duo)個麥克(ke)風和它(ta)所連接(jie)的(de)(de)(de)(de)(de)(de)(de)(de)(de)電路板之(zhi)間(jian)(jian)的(de)(de)(de)(de)(de)(de)(de)(de)(de)震(zhen)動減小(xiao)到最(zui)小(xiao)，從而最(zui)大程(cheng)度的(de)(de)(de)(de)(de)(de)(de)(de)(de)控(kong)制(zhi)高(gao)聲強導致的(de)(de)(de)(de)(de)(de)(de)(de)(de)音(yin)箱本體震(zhen)動對(dui)拾音(yin)的(de)(de)(de)(de)(de)(de)(de)(de)(de)干擾(rao)。

近場和遠場語音識別技術

近場語音識別需要用戶點擊啟(qi)動，并且用戶與終(zhong)端(duan)設備的距離(li)比較近，如(ru)手(shou)機或其(qi)他終(zhong)端(duan)設備，可直接借助這些終(zhong)端(duan)設備直接實現(xian)控制(zhi)功能。

遠場語(yu)(yu)音(yin)識別，以(yi)麥克風陣列遠距離拾(shi)取(qu)(qu)的(de)語(yu)(yu)音(yin)數(shu)(shu)據(ju)(ju)作為輸(shu)入(ru)數(shu)(shu)據(ju)(ju)，通過(guo)語(yu)(yu)音(yin)識別的(de)算法將語(yu)(yu)音(yin)信號轉寫成(cheng)文(wen)字的(de)技(ji)(ji)(ji)術。雖然和近(jin)場語(yu)(yu)音(yin)識別技(ji)(ji)(ji)術在原理(li)上是(shi)(shi)相同(tong)的(de)，但是(shi)(shi)由于音(yin)源和麥克風之間的(de)空間距離增大，在聲波傳播過(guo)程(cheng)中(zhong)會出現信號強度(du)的(de)衰減和各種噪音(yin)干擾，因(yin)此需(xu)要特殊的(de)語(yu)(yu)音(yin)數(shu)(shu)據(ju)(ju)拾(shi)取(qu)(qu)和預(yu)處(chu)理(li)技(ji)(ji)(ji)術；不同(tong)的(de)拾(shi)取(qu)(qu)設備和預(yu)處(chu)理(li)技(ji)(ji)(ji)術常(chang)(chang)常(chang)(chang)會使用(yong)于語(yu)(yu)音(yin)識別的(de)聲波信號特征發生改變，因(yin)此針對(dui)不同(tong)的(de)遠場語(yu)(yu)音(yin)拾(shi)取(qu)(qu)技(ji)(ji)(ji)術，需(xu)要對(dui)語(yu)(yu)音(yin)識別引擎進行定制(zhi)化適配和優化。

當語(yu)(yu)音(yin)(yin)信(xin)(xin)號(hao)在(zai)(zai)傳(chuan)播過(guo)程(cheng)中有(you)所衰減，影響(xiang)采集信(xin)(xin)號(hao)的(de)(de)(de)強(qiang)度和分辨(bian)率(lv)，使用的(de)(de)(de)靈敏(min)度非常高的(de)(de)(de)指(zhi)向性麥克風，同時將麥克風的(de)(de)(de)參數(shu)調(diao)整(zheng)到(dao)適合遠場(chang)語(yu)(yu)音(yin)(yin)數(shu)據的(de)(de)(de)模式，可以最大限度采集清晰的(de)(de)(de)遠場(chang)語(yu)(yu)音(yin)(yin)信(xin)(xin)號(hao)。語(yu)(yu)音(yin)(yin)指(zhi)令聲(sheng)(sheng)波(bo)在(zai)(zai)傳(chuan)輸過(guo)程(cheng)中受到(dao)周圍噪(zao)(zao)音(yin)(yin)的(de)(de)(de)污染(ran)，降(jiang)低聲(sheng)(sheng)波(bo)信(xin)(xin)號(hao)的(de)(de)(de)信(xin)(xin)噪(zao)(zao)比，使用定向波(bo)速成(cheng)(cheng)形(xing)技術，抑制(zhi)方(fang)向外的(de)(de)(de)噪(zao)(zao)音(yin)(yin)，從而減少噪(zao)(zao)音(yin)(yin)對語(yu)(yu)音(yin)(yin)信(xin)(xin)號(hao)的(de)(de)(de)干擾。在(zai)(zai)一(yi)個房間(jian)(jian)里，麥克風拾取的(de)(de)(de)聲(sheng)(sheng)波(bo)不僅僅直接(jie)來(lai)(lai)自(zi)于音(yin)(yin)源，還有(you)音(yin)(yin)源發出后經過(guo)墻壁反(fan)射(she)的(de)(de)(de)遲到(dao)的(de)(de)(de)聲(sheng)(sheng)波(bo)，形(xing)成(cheng)(cheng)聲(sheng)(sheng)音(yin)(yin)的(de)(de)(de)殘留，造成(cheng)(cheng)混響(xiang)。利用多(duo)個麥克風采集的(de)(de)(de)數(shu)據，通(tong)過(guo)多(duo)通(tong)道回(hui)聲(sheng)(sheng)消(xiao)除(chu)算法，將這些不同時間(jian)(jian)達到(dao)的(de)(de)(de)聲(sheng)(sheng)音(yin)(yin)數(shu)據分離開來(lai)(lai)，從而消(xiao)除(chu)了混響(xiang)對聲(sheng)(sheng)音(yin)(yin)數(shu)據的(de)(de)(de)影響(xiang)。

喚醒目標檢測技術

在(zai)遠距離用語音(yin)進行(xing)操控的(de)(de)(de)(de)(de)時候，聲(sheng)音(yin)可能(neng)來自不同方向的(de)(de)(de)(de)(de)不同人(ren)。因此首先要確定哪些(xie)是(shi)發(fa)指令的(de)(de)(de)(de)(de)聲(sheng)音(yin)，哪些(xie)不是(shi)。使用的(de)(de)(de)(de)(de)麥(mai)克風(feng)(feng)陣(zhen)列波速成(cheng)(cheng)形算法，將360度(du)(du)空(kong)間垂直劃(hua)分成(cheng)(cheng)若干區(qu)域(yu)(yu)，每個(ge)麥(mai)克風(feng)(feng)負責檢(jian)(jian)測一(yi)個(ge)指定的(de)(de)(de)(de)(de)區(qu)域(yu)(yu)。當某個(ge)空(kong)間區(qu)域(yu)(yu)里面(mian)檢(jian)(jian)測到(dao)有喚醒詞(ci)出現(xian)時，對(dui)(dui)(dui)應于該空(kong)間區(qu)域(yu)(yu)的(de)(de)(de)(de)(de)麥(mai)克風(feng)(feng)拾(shi)音(yin)功能(neng)就被(bei)增強，其(qi)他區(qu)域(yu)(yu)的(de)(de)(de)(de)(de)麥(mai)克風(feng)(feng)拾(shi)音(yin)就被(bei)抑制。從而實現(xian)對(dui)(dui)(dui)聲(sheng)音(yin)進行(xing)有方向有角度(du)(du)的(de)(de)(de)(de)(de)拾(shi)取，避免了周圍電視機里的(de)(de)(de)(de)(de)說話聲(sheng)音(yin)、其(qi)他人(ren)交談對(dui)(dui)(dui)語音(yin)指令的(de)(de)(de)(de)(de)影(ying)響(xiang)。

語音喚醒

語(yu)音(yin)(yin)(yin)喚(huan)(huan)醒(xing)(xing)，是(shi)指通過含有(you)特(te)定喚(huan)(huan)醒(xing)(xing)詞的(de)語(yu)音(yin)(yin)(yin)輸入(ru)來“觸發”語(yu)音(yin)(yin)(yin)識別(bie)系統以(yi)實現后續的(de)語(yu)音(yin)(yin)(yin)交互。由(you)于(yu)功耗等方(fang)面的(de)限制(zhi)，智(zhi)能(neng)設(she)(she)備(bei)很難24小時都(dou)保(bao)持在(zai)激活狀態；因此，如果要在(zai)家里(li)自(zi)由(you)地(di)控(kong)(kong)制(zhi)智(zhi)能(neng)家居設(she)(she)備(bei)，還(huan)需要有(you)即時“喚(huan)(huan)醒(xing)(xing)”功能(neng)，也就是(shi)給智(zhi)能(neng)設(she)(she)備(bei)加入(ru)“語(yu)音(yin)(yin)(yin)喚(huan)(huan)醒(xing)(xing)”技術。通過該(gai)技術，任何人在(zai)任何環境、任何時間，無論是(shi)近場(chang)還(huan)是(shi)遠(yuan)場(chang)，面向設(she)(she)備(bei)直接說出預設(she)(she)的(de)喚(huan)(huan)醒(xing)(xing)詞，就能(neng)激活產(chan)品(pin)的(de)識別(bie)引擎，從(cong)而真正實現全程無觸控(kong)(kong)的(de)語(yu)音(yin)(yin)(yin)交互。

全文總結

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)成為你生(sheng)活(huo)中的好伙伴，好幫手(shou)！