在智能家居電子產(chǎn)品給人們帶來便捷生活的同時，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補充，在拋去了傳統(tǒng)遙控器和手機APP之后，通過口令發(fā)送讓家居環(huán)境達到舒適狀態(tài)，讓生活更便捷智能，這是否會成為智能家居行業(yè)下一個階段的普遍應(yīng)用？相關(guān)文章：《電子產(chǎn)品設(shè)計方案有哪些要求？》

遠場語音識別、云端語義辨識、人工智能應(yīng)用等等一個個技術(shù)節(jié)點得到新的突破，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(yīng)用、項目實施等多角度為您呈現(xiàn)語音控制技術(shù)在智能家居產(chǎn)品和集成項目中的應(yīng)用前景。
 

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)布命令，就能得到相應(yīng)的服務(wù)。這一產(chǎn)業(yè)從上世紀六十年代就已出現(xiàn)，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，隨著蘋果、谷歌、微軟等公司先后推出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。

語音控制技術(shù)

與機器進行語音交流，讓機器明白你說什么，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)。

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)。

目前語音控制技術(shù)存在的問題

目前，對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，進而導(dǎo)致的識別距離近、識別率低等明顯痛點。

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別率差異較大。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。

語音識別的幾種控制技術(shù)

“語音識別”技術(shù)相當(dāng)于給計算機系統(tǒng)安裝上“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場語音識別二個大類。
 

近場/遠場語音識別技術(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)備的實現(xiàn)控制功能。

遠場語音識別，以麥克風(fēng)陣列遠距離拾取的語音數(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，因此針對不同的遠場語音拾取技術(shù)，需要對語音識別引擎進行定制化適配和優(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)整到適合遠場語音數(shù)據(jù)的模式，可以最大限度采集清晰的遠場語音信號。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。

喚醒目標檢測技術(shù)

在遠距離用語音進行操控的時候，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)了對聲音進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。

播放狀態(tài)打斷技術(shù)

在對音箱等設(shè)備進行語音控制時，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。