12
在这波人工智能浪潮中，智能语音首先以交互的形式在智能音箱领域落地，而语音交互作为人机交互方式的升级版，随后必将渗透进家电、汽车、机器人等领域，甚至可能成为标配。
语音交互的“硬”道理
为了做好语音交互功能就需要相应的硬件支持，声智科技副总裁李智勇认为：智能语音硬件必须在唤醒率、误唤醒率、识别率上达到一定指标，才可让整体交互体验流畅。当然，语音交互涉及众多环节，在技术层面保障听清、命令控制精准的基础上，加上百度 DuerOS、腾讯云小微等内容平台，才可能形成最终的完整方案。
声智科技副总裁李智勇
声智科技是一家专注于声学前沿技术和人工智能交互的公司，也是小米 AI 音箱远场语音交互技术的供应商。被小米音箱采用的是 SAI_MICAK_60_3229_EVK 方案，为主打远场语音交互的 6 麦低成本方案，可应用于智能音箱、DOT、电视盒子等语音智能产品中，具有全方向唤醒、声源测向、定向拾音、噪声抑制、混响消除、回声抵消、远场语音识别、语义理解等多项功能，支持 Alexa、DuerOS、Mor 等第三方智能系统。
SAI_MICAK_60_3229_EVK 方案
李智勇表示：声智科技致力于解决当下语音交互最棘手的远场问题。小米智能音箱之前的各种智能音箱软硬架构上都和 Amazon Echo 高度相似，也就是说整个智能音箱行业都在学习亚马逊五六年前为智能音箱设定的架构（特征是麦克风阵列板和主控板是分离的），而小米+声智的方案与此不同，可看作智能音箱第二代架构，此变化推动了终端产品性价比的大幅提升。据业内消息，亚马逊第二代产品也将采用同种架构，此架构很可能一统未来智能音箱的天下，其它类方案（比如导入单独 DSP 做信号处理的）会彻底失去生存空间。
除了智能音箱方面的应用，声智科技的语音方案还应用在了智能医疗、机器人、智能汽车等领域。
面对声智科技语音方案是否实现功能与性能的理想化这个问题，李智勇表示，长线来看语音交互产品需要做到“用户随便说一句话，产品就能给一个精准响应”，而这还有很长一段路要走。当前声智科技可让用户流畅体验偏命令的语音交互，但真正赋予语音交互产品“智能”仍有很大提升空间。举例而言，未来智能音箱可针对不同人、不同的偏好、不同场景，播放不同的歌曲，实现这种智能程度还需要语音与视觉的融合。尽管智能音箱在功能与性能上都有无限的想象空间，但在落地环节却需要逆向思考，抓住“少即是多”原则，从核心体验出发，把某些功能的体验做到极致，这将比“什么都做，却什么都做不好”更有价值。
如何解决智能语音的瓶颈问题
语音交互与识别在应用落地过程中逐渐暴露出一些“局限性”，智能语音技术的瓶颈在哪？
第一个问题是远场环境复杂，夹杂噪音、混响、自噪声等，容易导致机器端“听不清”，从而影响后续一系列操作。解决了这个问题，偏命令控制的终端便能带来良好的用户体验。
第二个问题是更深层次的智能问题，真正的智能需要实现语义的突破、需要声音与视觉的融合，这样的方案才更适合做拟人形态的机器人。
李智勇表示，第一个问题关乎当下的终端产品能否真正落地，声智科技当前专注于解决这个问题，且目标很简单，就是要通过“技术 -- 应用 -- 技术”上的反馈把技术做到最好、把性价比做到极致，通过与小米合作成为国内把这些问题解决的最好的公司；第二个问题将影响到产品的应用范围，若不解决该该问题，产品应用就会相对垂直，不能成为真正通用型产品。
语音交互作为一种交互方式，其核心推动力就是用户体验的更简单便利。交互方式变革带来的影响极其广泛而深远，因此单个产品不能成本背后的推动力，但变革需要找的一个起点与支点。因此，语音交互首先在智能音箱领域落地，而智能交互还需不断革新才能逐渐渗透到各领域。
与非网原创内容，未经许可，不得转载！
