智能家居電子產(chǎn)品的語(yǔ)音控制技術(shù)設計解決方案

在智能家居電子產(chǎn)品給人們帶來(lái)便捷生活的同時(shí)，人們的控制習慣逐漸發(fā)生改變。語(yǔ)音技術(shù)的發(fā)展也為控制入口做了一個(gè)補充，在拋去了傳統遙控器和手機APP之后，通過(guò)口令發(fā)送讓家居環(huán)境達到舒適狀態(tài)，讓生活更便捷智能，這是否會(huì )成為智能家居行業(yè)下一個(gè)階段的普遍應用？相關(guān)文章：《電子產(chǎn)品設計方案有哪些要求？》

遠場(chǎng)語(yǔ)音識別、云端語(yǔ)義辨識、人工智能應用等等一個(gè)個(gè)技術(shù)節點(diǎn)得到新的突破，為智能家居提供了新的控制入口選擇。本文將從技術(shù)趨勢、解決方案、產(chǎn)品應用、項目實(shí)施等多角度為您呈現語(yǔ)音控制技術(shù)在智能家居產(chǎn)品和集成項目中的應用前景。
 

所謂智能語(yǔ)音產(chǎn)業(yè)，主要指通過(guò)語(yǔ)音合成技術(shù)和語(yǔ)音識別技術(shù)，為用戶(hù)提供各種服務(wù)的產(chǎn)業(yè)。一般來(lái)說(shuō)，用戶(hù)只需要用說(shuō)話(huà)的方式給服務(wù)終端發(fā)布命令，就能得到相應的服務(wù)。這一產(chǎn)業(yè)從上世紀六十年代就已出現，但并不為普通消費者所熟知，消費者對其認知度也比較低。近年來(lái)，隨著(zhù)蘋(píng)果、谷歌、微軟等公司先后推出Siri等智能語(yǔ)音服務(wù)，這一服務(wù)以及相關(guān)產(chǎn)業(yè)也開(kāi)始被普通消費者和投資界所關(guān)注。

語(yǔ)音控制技術(shù)

與機器進(jìn)行語(yǔ)音交流，讓機器明白你說(shuō)什么，這是人們長(cháng)期以來(lái)夢(mèng)寐以求的事情。語(yǔ)音識別技術(shù)就是讓機器通過(guò)識別和理解過(guò)程把語(yǔ)音信號轉變?yōu)橄鄳奈谋净蛎畹募夹g(shù)。

語(yǔ)音識別是一門(mén)交叉學(xué)科，語(yǔ)音識別技術(shù)與語(yǔ)音合成技術(shù)結合使人們能夠甩掉鍵盤(pán)，通過(guò)語(yǔ)音命令進(jìn)行操作，語(yǔ)音技術(shù)的應用已經(jīng)成為一個(gè)具有競爭性的新興高技術(shù)產(chǎn)業(yè)。

目前語(yǔ)音控制技術(shù)存在的問(wèn)題

目前，對于語(yǔ)音控制類(lèi)的智能硬件產(chǎn)品在很多場(chǎng)景下因語(yǔ)音交互體驗不如人意而深受詬病，究其原因主要是受限于空間距離、背景噪音、其他人聲干擾、回聲、混響等多重復雜因素，進(jìn)而導致的識別距離近、識別率低等明顯痛點(diǎn)。

除此之外，單是中國語(yǔ)系、方言和口音就相當多，加上中文的多語(yǔ)義性，所以不同地區的人使用語(yǔ)音控制識別率差異較大。同時(shí)，在語(yǔ)義識別上，也存在上下文的關(guān)聯(lián)帶來(lái)識別的學(xué)習難、定位難和建立模型難等問(wèn)題。

語(yǔ)音識別的幾種控制技術(shù)

“語(yǔ)音識別”技術(shù)相當于給計算機系統安裝上“耳朵”，使其具備“能聽(tīng)”的功能。該技術(shù)經(jīng)過(guò)語(yǔ)音信號處理、語(yǔ)音特征處理、模型訓練及解碼引擎等復雜步驟，使機器最終能夠將語(yǔ)音中的內容、說(shuō)話(huà)人、語(yǔ)種等信息識別出來(lái)。語(yǔ)音控制功能的實(shí)現，與用戶(hù)的使用習慣高度關(guān)聯(lián)。目前的語(yǔ)音控制功能實(shí)現方式可分為近場(chǎng)語(yǔ)音識別和遠場(chǎng)語(yǔ)音識別二個(gè)大類(lèi)。
 

近場(chǎng)/遠場(chǎng)語(yǔ)音識別技術(shù)

近場(chǎng)語(yǔ)音識別，需要用戶(hù)點(diǎn)擊啟動(dòng)，并且用戶(hù)與終端設備的距離比較近，如手機或其他終端設備，可直接借助這些終端設備的實(shí)現控制功能。

遠場(chǎng)語(yǔ)音識別，以麥克風(fēng)陣列遠距離拾取的語(yǔ)音數據作為輸入數據，通過(guò)語(yǔ)音識別的算法將語(yǔ)音信號轉寫(xiě)成文字的技術(shù)。雖然和近場(chǎng)語(yǔ)音識別技術(shù)在原理上是相同的，但是由于音源和麥克風(fēng)之間的空間距離增大，在聲波傳播過(guò)程中會(huì )出現信號強度的衰減和各種噪音干擾，因此需要特殊的語(yǔ)音數據拾取和預處理技術(shù)。不同的拾取設備和預處理技術(shù)常常會(huì )使用于語(yǔ)音識別的聲波信號特征發(fā)生改變，因此針對不同的遠場(chǎng)語(yǔ)音拾取技術(shù)，需要對語(yǔ)音識別引擎進(jìn)行定制化適配和優(yōu)化。

當語(yǔ)音信號在傳播過(guò)程中有所衰減，影響采集信號的強度和分辨率，使用的靈敏度非常高的指向性麥克風(fēng)，同時(shí)將麥克風(fēng)的參數調整到適合遠場(chǎng)語(yǔ)音數據的模式，可以最大限度采集清晰的遠場(chǎng)語(yǔ)音信號。語(yǔ)音指令聲波在傳輸過(guò)程中受到周?chē)胍舻奈廴?，降低聲波信號的信噪比，使用定向波速成形技術(shù)，抑制方向外的噪音，從而減少噪音對語(yǔ)音信號的干擾。在一個(gè)房間里，麥克風(fēng)拾取的聲波不僅僅直接來(lái)自于音源，還有音源發(fā)出后經(jīng)過(guò)墻壁反射的遲到的聲波，形成聲音的殘留，造成混響。利用多個(gè)麥克風(fēng)采集的數據，通過(guò)多通道回聲消除算法，將這些不同時(shí)間達到的聲音數據分離開(kāi)來(lái)，從而消除了混響對聲音數據的影響。

喚醒目標檢測技術(shù)

在遠距離用語(yǔ)音進(jìn)行操控的時(shí)候，聲音可能來(lái)自不同方向的不同人。因此首先要確定哪些是發(fā)指令的聲音，哪些不是。使用的麥克風(fēng)陣列波速成形算法，將360度空間垂直劃分成若干區域，每個(gè)麥克風(fēng)負責檢測一個(gè)指定的區域。當某個(gè)空間區域里面檢測到有喚醒詞出現時(shí)，對應于該空間區域的麥克風(fēng)拾音功能就被增強，其他區域的麥克風(fēng)拾音就被抑制。從而實(shí)現了對聲音進(jìn)行有方向有角度的拾取，避免了周?chē)娨暀C里的說(shuō)話(huà)聲音、其他人交談對語(yǔ)音指令的影響。

播放狀態(tài)打斷技術(shù)

在對音箱等設備進(jìn)行語(yǔ)音控制時(shí)，往往該設備處于播放歌曲的狀態(tài)。由于麥克風(fēng)安裝在音箱上，麥克風(fēng)和說(shuō)話(huà)人之間的距離要遠大于麥克風(fēng)和揚聲器之間的距離，在這樣的情況下，采用內外兼顧的方法進(jìn)行解決。內部使用特殊的回聲消除算法從內部減小噪音對麥克風(fēng)的影響。另外對于震動(dòng)帶來(lái)的非線(xiàn)性干擾，傳統的線(xiàn)性回聲消除方法失效了，因此可以使用非線(xiàn)性回聲消除算法提高內部噪聲消除的效果。在外部結構設計方面，使用精心設計的麥克風(fēng)陣列減震結構，使多個(gè)麥克風(fēng)和它所連接的電路板之間的震動(dòng)減小到最小，從而最大程度的控制高聲強導致的音箱本體震動(dòng)對拾音的干擾。