智能家居語音控制解決方案

在智能家居給人們帶來便捷生活的同時(shí)，人們的控制習(xí)慣逐漸發(fā)生改變。語音技術(shù)的發(fā)展也為控制入口做了一個(gè)補(bǔ)充，在拋去了傳統(tǒng)遙控器和手機(jī)APP之后，通過口令發(fā)送讓家居環(huán)境達(dá)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(yīng)用？今天小編在這里就為大家講解一下目前語音控制技術(shù)存在的問題，以及成熟的語音控制技術(shù)應(yīng)用的解決方案。

智能家居語音控制技術(shù)

與機(jī)器進(jìn)行語音交流，讓機(jī)器明白你說什么，這是人們長期以來夢寐以求的事情。語音識(shí)別技術(shù)就是讓機(jī)器通過識(shí)別和理解過程把語音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的技術(shù)。

語音識(shí)別是一門交叉學(xué)科，語音識(shí)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(gè)具有競爭性的新興高技術(shù)產(chǎn)業(yè)。

目前語音控制技術(shù)存在的問題

目前，對(duì)于語音控制類的智能硬件產(chǎn)品在很多場景下因語音交互體驗(yàn)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(fù)雜因素，進(jìn)而導(dǎo)致的識(shí)別距離近、識(shí)別率低等明顯痛點(diǎn)。

除此之外，單是中國語系、方言和口音就相當(dāng)多，加上中文的多語義性，所以不同地區(qū)的人使用語音控制識(shí)別率差異較大。同時(shí)，在語義識(shí)別上，也存在上下文的關(guān)聯(lián)帶來識(shí)別的學(xué)習(xí)難、定位難和建立模型難等問題。

智能家居語音控制解決方案

科大訊飛作為中國最大的智能語音技術(shù)提供商，在智能語音技術(shù)領(lǐng)域有著長期的研究積累，并在中文語音合成、語音識(shí)別、口語評(píng)測等多項(xiàng)技術(shù)上擁有國際領(lǐng)先的成果。對(duì)于智能家居語音控制的應(yīng)用，必須解決好距離、效率、個(gè)性化、方言、喚醒等問題，科大訊飛在這些方面都有非常成熟的解決方案。

距離：遠(yuǎn)場識(shí)別技術(shù)打破距離瓶頸

近場識(shí)別技術(shù)目前已經(jīng)比較成熟，現(xiàn)在手機(jī)上使用的語音輸入功能就屬于近場識(shí)別技術(shù)，用戶必須在離手機(jī)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(gè)必要條件就是在無論你在客廳哪個(gè)角落發(fā)出指令，設(shè)備都能準(zhǔn)確的識(shí)別，語音識(shí)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，導(dǎo)致識(shí)別率低甚至無法使用，只能在相對(duì)安靜、近距離的環(huán)境下使用。而遠(yuǎn)場識(shí)別技術(shù)將能夠很好的解決這些問題。

科大訊飛于2015年3月發(fā)布遠(yuǎn)場識(shí)別技術(shù)，是目前唯一支持超過5米的語音識(shí)別技術(shù)，突破了語音交互距離瓶頸，大幅度改進(jìn)了語音交互的自由度。該技術(shù)利用麥克風(fēng)陣列的空域?yàn)V波特性——在目標(biāo)說話人方向形成拾音波束（BeamForming），抑制波束之外的噪聲，結(jié)合獨(dú)特的去混響算法，最大程度的吸收反射聲，從而達(dá)到去除混響的目的，用戶在客廳的任意角落通過語音操控智能家電已成為現(xiàn)實(shí)。

效率：快速反應(yīng)實(shí)現(xiàn)秒懂

近年來，隨著深度學(xué)習(xí)理論的爆發(fā)式發(fā)展及其在語音識(shí)別領(lǐng)域獲得的顯著效果，同時(shí)Kaldi等開源語音識(shí)別工具也在工業(yè)界和學(xué)術(shù)界逐漸普及，語音識(shí)別的門檻持續(xù)降低，許多公司都具備了語音識(shí)別的能力及相關(guān)產(chǎn)品，但是一些產(chǎn)品反應(yīng)慢，說出一句話往往要等待很久才能顯示結(jié)果，另外，準(zhǔn)確率也不高，存在識(shí)別不出來的情況。

針對(duì)語音識(shí)別準(zhǔn)確率和響應(yīng)速度的問題，科大訊飛持續(xù)在核心技術(shù)和產(chǎn)品特性上做出創(chuàng)新，在把國際領(lǐng)先的深度神經(jīng)網(wǎng)絡(luò)技術(shù)引入語音識(shí)別的基礎(chǔ)上，基于深度神經(jīng)網(wǎng)絡(luò)的語音增強(qiáng)算法對(duì)輸入語音進(jìn)行“識(shí)別關(guān)鍵信息無損”的降噪，通過海量訓(xùn)練語料基礎(chǔ)上的高精度聲學(xué)模型和語言模型訓(xùn)練，并結(jié)合極致的解碼引擎工程技術(shù)，實(shí)現(xiàn)了在很小延遲的情況下，做到將去除原始語音的噪聲干擾和識(shí)別幾乎同時(shí)，大大提高了語音輸入的響應(yīng)速度和用戶體驗(yàn)，在大詞匯連續(xù)語音識(shí)別率上可以達(dá)到95%以上，命令詞識(shí)別率達(dá)到99%以上，解碼引擎可以在用戶說完話40毫秒之內(nèi)給出結(jié)果，真正實(shí)現(xiàn)“秒懂”。

個(gè)性化：自動(dòng)學(xué)習(xí)適應(yīng)用戶使用習(xí)慣

每個(gè)人在說話時(shí)，口音、語速、口頭禪都不一樣，那么家里的智能設(shè)備只會(huì)識(shí)別一些基本詞句顯然是遠(yuǎn)遠(yuǎn)不夠的，它們必須要更懂你。比如，懂你的口音、方言、口頭禪以及時(shí)不時(shí)蹦出的專業(yè)詞匯等。

讓智能設(shè)備適應(yīng)每個(gè)人的使用習(xí)慣可能嗎？答案是肯定的。這里要用的到就是語音識(shí)別的另外一項(xiàng)關(guān)鍵技術(shù)——個(gè)性化識(shí)別技術(shù)。個(gè)性化識(shí)別指的是語音識(shí)別系統(tǒng)具備自動(dòng)學(xué)習(xí)并適應(yīng)用戶使用習(xí)慣的能力，你用的越多，它越懂你。一般來說，個(gè)性化識(shí)別包括發(fā)音和語言兩方面。其中發(fā)音個(gè)性化主要是指系統(tǒng)對(duì)用戶語速、口音等發(fā)音習(xí)慣的學(xué)習(xí)，而語言個(gè)性化主要是指系統(tǒng)可以對(duì)用戶的特定詞匯，例如人名、地名、口頭禪、專業(yè)詞匯等，具備更好的辨識(shí)性。

目前科大訊飛的個(gè)性化識(shí)別技術(shù)已能針對(duì)每個(gè)人的興趣點(diǎn)、知識(shí)背景等來進(jìn)行個(gè)性化語言模型建模，從而準(zhǔn)確識(shí)別出個(gè)性化的詞匯內(nèi)容。以后你用的越多，語音識(shí)別系統(tǒng)就會(huì)越懂你。

方言：無拘束隨心控制

眾所周知，中國的語音及語言博大精深，雖然國家在推廣標(biāo)準(zhǔn)普通話方面不遺余力，但是中國真正掌握標(biāo)準(zhǔn)普通話的人群比例還是比較低的，而中國的口音現(xiàn)象則是紛繁復(fù)雜，同城市中不同口音的情況也很常見。因此，當(dāng)這些帶有或輕或重口音的人群在使用語音輸入時(shí)，如果按通常的方法使用標(biāo)準(zhǔn)普通話數(shù)據(jù)進(jìn)行模型的訓(xùn)練，就會(huì)產(chǎn)生很嚴(yán)重的適配問題，從而影響語音輸入時(shí)的識(shí)別效果。

“方言”現(xiàn)在也不再是語音識(shí)別的障礙，得益于各類方言豐富的音頻數(shù)據(jù)、特殊詞匯、發(fā)音現(xiàn)象等專業(yè)資源以及充分利用深度神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)特色，目前，訊飛輸入法已經(jīng)陸續(xù)支持四川話、河南話、東北話、天津話等15種方言識(shí)別，這些方言識(shí)別能力同樣適用于智能家居環(huán)境中。以后，無論你使用普通話還是方言，無論你說話語速快還是慢，普通話標(biāo)不標(biāo)準(zhǔn)，在家里都能自由地使用語音控制智能設(shè)備。

語音喚醒：真正解放雙手

由于功耗等方面的限制，智能設(shè)備很難24小時(shí)都保持在激活狀態(tài)。因此，要想在家里自由地控制智能家居設(shè)備，我們還需要能即時(shí)“喚醒”功能，也就是給智能設(shè)備加入“語音喚醒”技術(shù)。

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(shí)別系統(tǒng)以實(shí)現(xiàn)后續(xù)的語音交互。通過該技術(shù)，任何人在任何環(huán)境、任何時(shí)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(shí)別引擎，從而真正實(shí)現(xiàn)全程無觸控的語音交互。

除了說單個(gè)喚醒詞實(shí)現(xiàn)喚醒外，更自然便捷、在技術(shù)上更具有挑戰(zhàn)性的交互方式是在連續(xù)語流中帶上喚醒詞，以實(shí)現(xiàn)喚醒產(chǎn)品并同時(shí)實(shí)現(xiàn)操控的效果。目前，語音喚醒方案已在部分產(chǎn)品中取得成功應(yīng)用，比如在靈犀語音助手中，說出“靈犀靈犀，打電話給張三”就可以喚醒設(shè)備并自動(dòng)完成人名識(shí)別與撥打電話。

以上便是小編為各位朋友提供的智能家居語音控制解決方案，希望想要對(duì)此了解的朋友能夠有一定的參考價(jià)值，如果以上信息對(duì)您有用，或者您想要了解更多相關(guān)信息，請繼續(xù)關(guān)注我們智和家，謝謝！