上個(gè)月，一年一度的中國(guó)聲學(xué)領(lǐng)域技術(shù)交流盛會(huì) “聲學(xué)樓13周年年會(huì)暨中國(guó)音響行業(yè)白皮書發(fā)布會(huì)”在深圳市南山區(qū)金百合大酒店隆重召開(kāi)。本次大會(huì)以“砥礪奮進(jìn)，行穩(wěn)致遠(yuǎn)”為主題，邀請(qǐng)了中科院聲學(xué)所、萬(wàn)魔聲學(xué)、科大訊飛、小米科技、貓王收音機(jī)、樓氏電子等院所和企業(yè)的60余位行業(yè)大咖，與來(lái)自全國(guó)各地的知名專家學(xué)者、行業(yè)著名企業(yè)家、資深工程技術(shù)人員、年輕一線工程師等1500余人分享了31場(chǎng)深度技術(shù)垂直的議題報(bào)告。

座無(wú)虛席的大會(huì)現(xiàn)場(chǎng)其中，在10月27日下午的特邀專題報(bào)告里，北京聲加科技CEO邱鋒海受邀以《聲加萬(wàn)物、聆聽(tīng)未來(lái)：智能語(yǔ)音交互應(yīng)用和技術(shù)》為題，分享了目前正在爆發(fā)的智能語(yǔ)音交互市場(chǎng)中的各項(xiàng)明星產(chǎn)品和其技術(shù)鏈條。并在演講中詳細(xì)分析了聲學(xué)前端技術(shù)所面臨的挑戰(zhàn)與機(jī)遇：如在百花齊放的新生市場(chǎng)里，智能音箱的“去插電化”、減少MEMS麥克風(fēng)組成的陣列、更靈活的喚醒詞訓(xùn)練及生成和智能耳機(jī)的尺寸更小、各類型傳感器數(shù)據(jù)融合以及更低功耗的喚醒等。

聲加科技CEO邱鋒海主題分享《聲加萬(wàn)物、聆聽(tīng)未來(lái)：智能語(yǔ)音交互應(yīng)用和技術(shù)》

邱鋒海表示，10萬(wàn)年前，語(yǔ)言的出現(xiàn)大大加速了人類社會(huì)進(jìn)化和發(fā)展的進(jìn)程。時(shí)至今日，聽(tīng)和說(shuō)依然是人類最基本、最常用和最靈活的交流方式，同時(shí)也是最好的人機(jī)交互方式。在經(jīng)歷了計(jì)算機(jī)命令式交互到圖形界面觸摸交互，再到信息時(shí)代/高級(jí)信息時(shí)代的自然交互、和情感交互……毫無(wú)疑問(wèn)，語(yǔ)音交互將會(huì)成為泛在的人機(jī)交互方式。

事實(shí)上，語(yǔ)音識(shí)別技術(shù)的研究可追溯到上世紀(jì)50年代，從單一模式匹配到70年代的模式和特征分析，再到90年的統(tǒng)計(jì)方法(HMM+GMM)，直到2010年后，深度神經(jīng)網(wǎng)絡(luò)(DNN)取得了巨大的成功，基于DNN技術(shù)的應(yīng)用也呈爆炸式增長(zhǎng)。同時(shí)，語(yǔ)音識(shí)別、自然語(yǔ)言理解、語(yǔ)音合成性能等技術(shù)大幅提升，互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)的高速發(fā)展也為算法引擎提供了大量的數(shù)據(jù)“糧食”。在海量的數(shù)據(jù)紅利下，云端計(jì)算軟硬件系統(tǒng)的算力增長(zhǎng)使其能夠快速處理海量數(shù)據(jù)，再加上邊緣計(jì)算的能力增強(qiáng)、功耗降低等因素，語(yǔ)音交互的“基礎(chǔ)設(shè)施”已逐漸成熟。因此，智能語(yǔ)音交互應(yīng)用的興起也就順理成章。

然而，盡管語(yǔ)音識(shí)別在這幾年里得到迅速發(fā)展，但是目前業(yè)界聲稱的“語(yǔ)音識(shí)別準(zhǔn)確度達(dá)到了90%以上”(Google在2017年6月聲稱已達(dá)到95%的準(zhǔn)確率)其實(shí)是實(shí)驗(yàn)室數(shù)據(jù)。“非純凈條件下”的現(xiàn)實(shí)生活里，這個(gè)準(zhǔn)確率則降至50-70%，甚至更低。

智能語(yǔ)音產(chǎn)品從人到機(jī)器完成一次語(yǔ)音交互，需要經(jīng)過(guò)四個(gè)主要的技術(shù)環(huán)節(jié)：語(yǔ)音前端處理、語(yǔ)音識(shí)別(ASR)、自然語(yǔ)言理解(NLP)以及語(yǔ)音合成(TTS)，即從聲音的拾取到轉(zhuǎn)換成文字，到理解其含義并作出反饋，再到將反饋說(shuō)出。其中語(yǔ)音前端處理屬于客戶端，后三者則為云端。經(jīng)過(guò)多年的技術(shù)積累，語(yǔ)音識(shí)別和語(yǔ)音合成已經(jīng)獲得突破，基本可以滿足商用。而語(yǔ)音前端處理和自然語(yǔ)言理解依然是語(yǔ)音交互的核心瓶頸。

語(yǔ)音交互的技術(shù)鏈條

作為人機(jī)交互的最底層環(huán)節(jié)，語(yǔ)音前端處理包括回聲消除、聲源定向、語(yǔ)音降噪、語(yǔ)音打斷、語(yǔ)音喚醒的MEMS麥克風(fēng)陣列，再通過(guò)MEMS麥克風(fēng)陣列實(shí)現(xiàn)復(fù)雜噪聲環(huán)境下的拾音。目前仍然處于商業(yè)初級(jí)應(yīng)用階段，距離比較理想的體驗(yàn)還有相當(dāng)大的距離。比如以Siri為代表的近場(chǎng)語(yǔ)音識(shí)別要求必須是低噪聲、無(wú)混響、距離聲源很近的場(chǎng)景，用戶一定要對(duì)著智能手機(jī)講話才能獲得符合近場(chǎng)語(yǔ)音識(shí)別要求的聲音信號(hào)，環(huán)境稍微嘈雜一點(diǎn)語(yǔ)音識(shí)別引擎就失靈了; 而以智能音箱為代表的遠(yuǎn)場(chǎng)語(yǔ)音識(shí)別場(chǎng)景下，依然存在誤喚醒，方言、童音識(shí)別不準(zhǔn)以及聲源移動(dòng)中的識(shí)別率低下等問(wèn)題。

邱鋒海認(rèn)為，目前智能音箱、智能耳機(jī)等產(chǎn)品的技術(shù)攻關(guān)主要還是在回聲消除、立體回聲消除、去混響、自適應(yīng)波束形成(抗干擾)、前端信號(hào)處理+KWS等；而語(yǔ)音前端信號(hào)處理的算法同樣面臨許多挑戰(zhàn)，如單通道DNN語(yǔ)音增強(qiáng)、自噪聲抑制、多通道DNN語(yǔ)音增強(qiáng)等。同時(shí)，他也在演講最后留下了幾個(gè)開(kāi)放性的問(wèn)題：關(guān)于智能音箱的更少的麥克風(fēng)組成的陣列(2個(gè)麥克風(fēng)仿生人耳)，更低的計(jì)算功耗，更長(zhǎng)的不插電待機(jī)時(shí)間，更靈活的喚醒詞訓(xùn)練、生成等，藍(lán)牙音箱的智能化(需要本地命令識(shí)別)，人機(jī)交互是以智能音箱為核心的星型網(wǎng)絡(luò)結(jié)構(gòu)還是各設(shè)備的分布式交互;關(guān)于智能耳機(jī)的尺寸更小，引入其他傳感器后各類型傳感器數(shù)據(jù)融合，更低功耗的喚醒、體驗(yàn)更好的語(yǔ)音交互功能等。

據(jù)悉，目前在智能語(yǔ)音交互市場(chǎng)中，國(guó)內(nèi)玩家主要分為傳統(tǒng)語(yǔ)音技術(shù)廠商、互聯(lián)網(wǎng)廠商，和新興的創(chuàng)業(yè)公司。其中大部分集中在語(yǔ)音識(shí)別(ASR)、自然語(yǔ)言理解(NLP)以及語(yǔ)音合成(TTS)等云端業(yè)務(wù)，這也是歸結(jié)于語(yǔ)音前端處理技術(shù)的人才稀缺與實(shí)戰(zhàn)項(xiàng)目較少、缺乏經(jīng)驗(yàn)累積等。與這些玩家相比，聲加科技更多著力于解決全場(chǎng)景下的語(yǔ)音前端處理，其強(qiáng)大的研發(fā)實(shí)力依托于中科院聲學(xué)所雄厚的人才和科研資源，研發(fā)人員均來(lái)自于中科院聲學(xué)所、清華大學(xué)、南京大學(xué)和中國(guó)科學(xué)技術(shù)大學(xué)等國(guó)內(nèi)一流科研院所，核心團(tuán)隊(duì)成員亦大多師出于中科院聲學(xué)所，平均在業(yè)界擁有超過(guò)十五年工作經(jīng)驗(yàn)。團(tuán)隊(duì)此前已為國(guó)內(nèi)多個(gè)巨頭企業(yè)的智能音箱、智能耳機(jī)等明星產(chǎn)品提供遠(yuǎn)場(chǎng)麥陣模組設(shè)計(jì)方案、智能耳機(jī)麥陣算法、智能耳機(jī)模組等技術(shù)支持。

適用于多場(chǎng)景的多元化智能設(shè)備

“聲學(xué)樓”作為國(guó)內(nèi)最為專業(yè)和盛大的電聲技術(shù)研討會(huì)之一，本次大會(huì)不僅再一次掀起了中國(guó)音頻技術(shù)交流的高潮，還在開(kāi)幕當(dāng)天上午由中國(guó)電子音響行業(yè)協(xié)會(huì)秘書長(zhǎng)陳立新發(fā)布了《2018中國(guó)電子音響行業(yè)發(fā)展情況》(白皮書)，并邀請(qǐng)中科院聲學(xué)所李曉東教授、魅族聲學(xué)總監(jiān)陳愛(ài)民、哈曼汽車電子全球研發(fā)中心揚(yáng)聲器系統(tǒng)工程總監(jiān)楊春洪、四川湖山電子高級(jí)工程師張康等業(yè)內(nèi)專家分別對(duì)智能音箱行業(yè)、耳機(jī)行業(yè)、汽車車載音響行業(yè)、專業(yè)音響行業(yè)的白皮書進(jìn)行介紹。值得一提的是，參與《中國(guó)智能音箱行業(yè)發(fā)展情況》主筆的李曉東教授不僅是邱鋒海和聲加科技數(shù)位成員在聲學(xué)所深造的導(dǎo)師，也是鼓勵(lì)其創(chuàng)業(yè)的前輩。

中科院聲學(xué)所李曉東教授、博導(dǎo)主題介紹《中國(guó)智能音箱行業(yè)發(fā)展情況》(2018版)編寫情況