智能家居語音系統(tǒng)簡介

所謂智能語音產(chǎn)業(yè)主要指通過語音合成技術(shù)和語音識別技術(shù)，為用戶提供各種服務(wù)的產(chǎn)業(yè)。一般來說，用戶只需要用說話的方式給服務(wù)終端發(fā)送命令，就能實現(xiàn)相應(yīng)的服務(wù)。這一產(chǎn)業(yè)從上世紀(jì)六十年代就已經(jīng)出現(xiàn)，但并不為普通消費者所熟知，消費者對其認(rèn)知度也比較低。近年來，隨著各大科技公司先后推出Siri等智能語音服務(wù)，這一服務(wù)以及相關(guān)產(chǎn)業(yè)也開始被普通消費者和投資界所關(guān)注。

智能家居語音系統(tǒng)功能

家庭智能機器人

“您好，我的朋友，到吃藥的時間了！”當(dāng)某個聲音在你耳邊出現(xiàn)的時候，你可能不會想到，這也許僅是預(yù)設(shè)好的一段程序。

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進(jìn)行語音交流。當(dāng)你高興地夸獎它時，他會呵呵地笑出聲來，當(dāng)你和它聊天時，它會根據(jù)你的話題說出相關(guān)的內(nèi)容。當(dāng)然，如果你家里有老人和孩子，它還將扮演一位保姆的角色。為老人提供心理慰藉，與孩子唱歌玩耍，它都是一個最佳的幫手。

智能家居新玩法

只需喊一聲“Hi，TV”，電視就可以開啟語音控制系統(tǒng)，比如你說“最近天氣預(yù)報”，然后電視屏幕上就會閃現(xiàn)出最近一周的本地天氣情況。隨著智能電視功能的日漸豐富和強大，僅依靠一個簡單的電視遙控器已經(jīng)滿足不了智能電視的操控需求。

引入語音識別和語音合成技術(shù)的智能語音電視不僅能聽懂用戶說話并作出反應(yīng)，而且還能“說出話”來。用戶憑借語音指令可以輕松完成換臺、電視節(jié)目查詢、網(wǎng)絡(luò)瀏覽/搜索、文字輸入等操作，而電視能做的，就是根據(jù)用戶的需求讀出搜索到的內(nèi)容。

未來，在每個家庭網(wǎng)絡(luò)上所有通過電力運轉(zhuǎn)的設(shè)備，都可以被人們的語音控制，比如可以控制室內(nèi)的燈光、溫度等。

車載智能語音系統(tǒng)

在駕駛環(huán)境下，用戶與車的交流，可以通過對話來實現(xiàn)，說出“想回家”，汽車會根據(jù)你家的位置設(shè)定好最佳路線，并開始導(dǎo)航。說出“加油站”，幾公里范圍內(nèi)的加油站將逐一由車載語音系統(tǒng)播報出來。

在車載環(huán)境下，用戶的注意力主要集中在于駕駛，人與車的交互必須在不影響駕駛的前提條件下進(jìn)行，語音識別技術(shù)提供了安全便捷的交互方式，用戶只需動口，就可以滿足在行車過程中的相關(guān)需求。

智能穿戴設(shè)備

語音操控作為人機溝通的重要手段，拍照、打電話、錄像，你只需說出你的需求，它就將在你眼前展現(xiàn)出你想要的結(jié)果。

智能眼鏡、智能手環(huán)、智能手表，這些互聯(lián)網(wǎng)時代的智能化設(shè)備，最大限度地利用了語音控制技術(shù)，它將讓未來的生活變得不可思議。

“聽話”的瀏覽器

“聽話”的瀏覽器離我們并不遙遠(yuǎn)。或許要不了多久，我們就能拋開鼠標(biāo)和觸摸板，通過聲控瀏覽器完成瀏覽網(wǎng)頁、發(fā)送郵件等。比如，你可以通過“暗一點”“亮一點”“字體大一號”等語音命令來控制瀏覽器。

獨特的聲音密碼

傳統(tǒng)的密碼恢復(fù)機制是回答一些預(yù)設(shè)的安全問題，如“你的出生地在哪里”等，但這類問題有些時候容易被黑客破解，用戶也可能記不起預(yù)設(shè)的問題和答案，特別是企業(yè)員工，就常常因為忘記密碼而求助于IT部門。

為此，一家外國公司推出了一項名為FastReset（快速設(shè)置）的新服務(wù)。該服務(wù)可先讓員工通過手機或電話注冊自己的聲紋，一旦員工忘記密碼需要重置，只需對著登錄界面念一段短語（比方說“芝麻開門”）即可完成。

讓玩具“活”過來

很多小朋友都有這樣的夢想：擁有一個會說話的玩具，就像喜劇電影《泰迪熊》里面的TED一樣。

在ToyTalk的官方網(wǎng)站上，這個夢想有了變成現(xiàn)實的可能：小女孩完成家庭作業(yè)后，把平板立起來，打開ToyTalk應(yīng)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“活過來”的泰迪熊對話了！

智能家居語音控制利弊

優(yōu)點

語音交互對于智能家居最直接的意義在于把智能家居變得真正的智能起來，不管品牌與技術(shù)多么的先進(jìn)，人機交互界面多么的友善，都沒有語音交互控制來的簡便直接?？萍甲屔罡悄?，語音讓交互更便捷、快捷。所以，如果智能家居能與語音交互融于一體，那么智能家居產(chǎn)業(yè)也許會迎來一次劃時代的突破。

缺陷

用戶必須在離手機比較近的距離內(nèi)說話，但在智能家居環(huán)境中，用戶和智能終端之間的距離被大大增加了，用戶能隨意用語音控制智能家居的一個必要條件就是在無論你在客廳哪個角落發(fā)出指令，設(shè)備都能準(zhǔn)確的識別，語音識別技術(shù)必須突破距離的障礙。目前室內(nèi)的語音交互受到背景噪音、其他人聲干擾、回聲、混響等多重復(fù)雜因素影響，只能在相對安靜、近距離的環(huán)境下使用。

加之中國的語系、方言、口音相當(dāng)多，再加上中文的多語義性，導(dǎo)致語音識別率能力不高。同時，在語義識別上，也存在上下文的關(guān)聯(lián)帶來識別的學(xué)習(xí)難、定位難和建立模型難等問題。

智能家居語音控制原理

語音控制技術(shù)

語音識別技術(shù)就是讓機器通過識別和理解過程把語音信號轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的技術(shù)，與機器進(jìn)行語音交流，讓機器明白你說什么。語音識別是一門交叉學(xué)科，語音識別技術(shù)與語音合成技術(shù)結(jié)合使人們能夠甩掉鍵盤，通過語音命令進(jìn)行操作，語音技術(shù)的應(yīng)用已經(jīng)成為一個具有競爭性的新興高技術(shù)產(chǎn)業(yè)。

語音識別控制技術(shù)

語音識別技術(shù)相當(dāng)于給計算機系統(tǒng)裝上“耳朵”，使其具備“能聽”的功能，該技術(shù)經(jīng)過語音信號處理、語音特征處理、模型訓(xùn)練及解碼引擎等復(fù)雜步驟，使機器最終能夠?qū)⒄Z音中的內(nèi)容、說話人、語種等信息識別出來。語音控制功能的實現(xiàn)，與用戶的使用習(xí)慣高度關(guān)聯(lián)，目前的語音控制功能實現(xiàn)方式可分為近場語音識別和遠(yuǎn)場語音識別二個大類。

播放狀態(tài)打斷技術(shù)

在對音箱等設(shè)備進(jìn)行語音控制時，往往該設(shè)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)和說話人之間的距離要遠(yuǎn)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(nèi)外兼顧的方法進(jìn)行解決。內(nèi)部使用特殊的回聲消除算法從內(nèi)部減小噪音對麥克風(fēng)的影響。另外對于震動帶來的非線性干擾，傳統(tǒng)的線性回聲消除方法失效了，因此可以使用非線性回聲消除算法提高內(nèi)部噪聲消除的效果。在外部結(jié)構(gòu)設(shè)計方面，使用精心設(shè)計的麥克風(fēng)陣列減震結(jié)構(gòu)，使多個麥克風(fēng)和它所連接的電路板之間的震動減小到最小，從而最大程度的控制高聲強導(dǎo)致的音箱本體震動對拾音的干擾。

近場和遠(yuǎn)場語音識別技術(shù)

近場語音識別需要用戶點擊啟動，并且用戶與終端設(shè)備的距離比較近，如手機或其他終端設(shè)備，可直接借助這些終端設(shè)備直接實現(xiàn)控制功能。

遠(yuǎn)場語音識別，以麥克風(fēng)陣列遠(yuǎn)距離拾取的語音數(shù)據(jù)作為輸入數(shù)據(jù)，通過語音識別的算法將語音信號轉(zhuǎn)寫成文字的技術(shù)。雖然和近場語音識別技術(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，在聲波傳播過程中會出現(xiàn)信號強度的衰減和各種噪音干擾，因此需要特殊的語音數(shù)據(jù)拾取和預(yù)處理技術(shù)；不同的拾取設(shè)備和預(yù)處理技術(shù)常常會使用于語音識別的聲波信號特征發(fā)生改變，因此針對不同的遠(yuǎn)場語音拾取技術(shù)，需要對語音識別引擎進(jìn)行定制化適配和優(yōu)化。

當(dāng)語音信號在傳播過程中有所衰減，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)，同時將麥克風(fēng)的參數(shù)調(diào)整到適合遠(yuǎn)場語音數(shù)據(jù)的模式，可以最大限度采集清晰的遠(yuǎn)場語音信號。語音指令聲波在傳輸過程中受到周圍噪音的污染，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，從而減少噪音對語音信號的干擾。在一個房間里，麥克風(fēng)拾取的聲波不僅僅直接來自于音源，還有音源發(fā)出后經(jīng)過墻壁反射的遲到的聲波，形成聲音的殘留，造成混響。利用多個麥克風(fēng)采集的數(shù)據(jù)，通過多通道回聲消除算法，將這些不同時間達(dá)到的聲音數(shù)據(jù)分離開來，從而消除了混響對聲音數(shù)據(jù)的影響。

喚醒目標(biāo)檢測技術(shù)

在遠(yuǎn)距離用語音進(jìn)行操控的時候，聲音可能來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(qū)域，每個麥克風(fēng)負(fù)責(zé)檢測一個指定的區(qū)域。當(dāng)某個空間區(qū)域里面檢測到有喚醒詞出現(xiàn)時，對應(yīng)于該空間區(qū)域的麥克風(fēng)拾音功能就被增強，其他區(qū)域的麥克風(fēng)拾音就被抑制。從而實現(xiàn)對聲音進(jìn)行有方向有角度的拾取，避免了周圍電視機里的說話聲音、其他人交談對語音指令的影響。

語音喚醒

語音喚醒，是指通過含有特定喚醒詞的語音輸入來“觸發(fā)”語音識別系統(tǒng)以實現(xiàn)后續(xù)的語音交互。由于功耗等方面的限制，智能設(shè)備很難24小時都保持在激活狀態(tài)；因此，如果要在家里自由地控制智能家居設(shè)備，還需要有即時“喚醒”功能，也就是給智能設(shè)備加入“語音喚醒”技術(shù)。通過該技術(shù)，任何人在任何環(huán)境、任何時間，無論是近場還是遠(yuǎn)場，面向設(shè)備直接說出預(yù)設(shè)的喚醒詞，就能激活產(chǎn)品的識別引擎，從而真正實現(xiàn)全程無觸控的語音交互。

全文總結(jié)

通過上面的介紹，相信大家對智能家居語音控制技術(shù)有了一定的了解，對智能家居語音控制技術(shù)的背景和功能有了深刻認(rèn)識。生活在當(dāng)代的我們，除了追求物質(zhì)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(jìn)，掌握新的智能技術(shù)。相信在不久的將來這種智能家居會成為你生活中的好伙伴，好幫手！