12
“语音识别已经有几十年的历史了，但是结合人工智能中的神经网络与深度学习，为语音识别提供了可能。未来的语音识别可以直接与人对话，理解人的语言，能通过声音来对智能产品进行复杂交互，简化人机交互，继眼睛（显示屏）、手（触摸屏）后，耳朵&嘴巴将成为下一代人机交互的主要形式。人机对话是革命性的东西，从简单家庭使用：开电视、切换频道大小声音、设定冷气及任何家电的控制都可以做到，语音可以做身份识别，语音助手可以提供私人定制服务。甚至智能语音可以取代人类大部分服务业与窗口行业，如一个餐馆可以节省 90% 的人力，点餐加工送餐收款全部由人工智能完成。” 在智能语音被视作人工智能突破口的当下，世平集团资深技术总监林建和认为智能语音可创造无限可能。
世平集团资深技术总监林建和
除了智能音箱领域，语音识别与交互还可应用于以下领域：
- 能家电的开关与操作（例如：WiFi 音箱、电视、灯，冰箱、电饭锅、空气净化器）
- 家居管理（例如，智能照明、智能窗帘、智能床罩）
- 机器人（陪伴机器人、扫地机器人）
- 手机（例如拨电话给谁、传简讯给谁、发 e-mail 给谁、、拨放音乐、开启 APP 等等）
- 汽车信息娱乐系统（例如:导航, 简易功能的控制，播音乐、音量调整、拨打紧急电话、查询路况与询问路径周边设施等等
- 人类服务业与窗口行业
林建和先生认为：智能语音在故事机 /WiFi 音箱、车载语音识别，家电等会先落地。
理由在于：
语音识别距离较近，识别效果会比较好，且相较于主流的触控型人机界面，语音交互具有先天优势，可真切的满足绝大多数人的互动需求。
在被看好的高端智能音箱、机器人（人机交互）、家庭医疗、智能购物等领域，仍需时日才可落地。主要由于这些领域对语音技术及实现效果要求较高，对于一定范围的失误都难以容忍，因此还有待技术的革新。另外，值得一提的是，用户习惯的养成非一朝一夕，因此从用户培养角度而言也需时日。
为智能语音发烧的硬件方案
既然智能语音可在这么多领域大显身手，那么从硬件角度而言，怎样的芯片才可称之为专为智能语音而生呢？
“瑞芯微 RK3229、锐迪科 RDA5981、联发科 MT8516、全志 R16、乐鑫 ESP32 等都可称为专为智能语音而生，这些方案多是支持 WiFi 接入功能（还可能带有 BLE 功能）、内置 Codec、支持多通道麦克风阵列接口与语音识别算法，并接入主流语义云平台（科大讯飞、亚马逊 Alexa 等）。”林建和先生解释到。
世平集团智能语音解决方案包括：
a. RK3229 多麦克风解决方案和 RK3036 双麦解决方案，麦克风阵列算法和语义平台已经连接 科大讯飞、思必驰、云知声等平台，并支持 Amazon Alexa。
b. RDA ：RDA5981 + RDA5856，连接百度度秘平台,主打低成本语音识别方案。
c. MXCHIP VBS6100, 内置思必驰语音技术方案，搭配 MiCO 操作系统，语音交互直达云端。
d. NXP i.MX7，连接 Amazon Alexa，Google Assistant，完美支持 Android Things。
e. TI TDA、Jacinto。
世平现在主要关注智能音箱与智慧家电等领域。林建和先生表示：当下，智能语音方案实现的功能与性能还有待改善。
理想的应用和产品定义是：可以把功耗做低，语音识别效果做好（更高识别率和对方言 / 口音的识别），实时性要高，体验更方便等。这有待于各原厂继续推出更有竞争力的产品，语音算法公司进一步加强算法技术，以提高人工智能水平。智能语音的革新也需要大型平台带头推动软硬件的结合，以提高接入数量，形成规模化的生态系统，给到用户带来更好的体验等。
智能语音布局：从整合资源到完善生态
林建和先生向与非网记者介绍了世平在智能语音方面的布局情况：
硬件方面
世平正在引入 RDA5981 语音识别方案，该方案搭载了 DuerOS（度秘）对话式人工智能操作系统，可以赋予轻量级设备对话能力。该方案还支持 ARM mbed 内核及安全网络协议栈，实现了与云端的安全连接，降低了设备商应用开发门槛。
另外，还将结合各芯片原厂资源，进行应用整合，以提升产品边缘计算能力。
生态方面
世平将与平台合作伙伴比如亚马逊、Apple、家电厂商、阿里巴巴、华为、电信运营商等平台 / 产品厂商做深度对接。
细究智能语音软肋，未来之路在哪？
正是由于世平看到智能语音落地过程中出现的问题，才有了以上布局与愿景。那么细究其技术痛点，林建和先生认为所有以下五点：
低功耗处理：当下的自动语音识别需要较高功耗才可实现，下一代产品需要做的改善是搭一个声音检测电路，只在检查到人声时才打开更复杂的语音识别电路。才用此方案，可将功耗降低 90%以上，做到供电更持久。
识别率：由于方言与口音的原因，语音识别无法做到准确识别，还有待于语音识别算法公司进行继续优化。
语音识别的实时性：用户说完待识别的词条后，系统立即完成识别功能并有所回应，这就对电路的运算速度有较高的要求，这是一大难点。
体积和价格的要求：在要求有尽可能好的识别性能外，还要求体积尽可能小、可靠性高、价钱低等特点，这是需要充分平衡的因素。
互联互通：在智慧家庭应用中，场景单一联动不足，产品应用偏向语音助理专属装置，语音处理服务尚未渗透到其他可联网设备中，互联互通存瓶颈。突破点是建立生态圈，开放语音接入服务，提供语音接入基础模块。
智能音箱被誉为智能家居的入口，现在互联网厂商、运营商、家电厂商等都在积极布局，世平也是其中一员。林建和先生表示，世平是致力于元件通路商和系统方案整合者，我们希望能努力沟通上下游，一起完成该领域有竞争力的方案，促进整个领域的发展。我们现在是上与互联网公司沟通以接入云平台，下与各个原厂沟通以整合他们的方案并提供给客户，希望大家都可以加入这个生态中，把智能语音做强做大。
与非网原创内容，未经许可，不得转载！
