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(shí)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(shí)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(fèi)者所熟知，消費(fèi)者對(duì)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(fèi)者和投資界所關(guān)注。
“您好，我的朋友，到吃藥的時(shí)間了！”當(dāng)某個(gè)聲音在你耳邊出現(xiàn)的時(shí)候，你可能不會(huì)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(jī)器人中的重要部分。這臺(tái)機(jī)器人可以和你進(jìn)行語音交流。當(dāng)你高興地夸獎(jiǎng)它時(shí)，他會(huì)呵呵地笑出聲來，當(dāng)你和它聊天時(shí)，它會(huì)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(gè)最佳的幫手。
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(bào)”，然后電視屏幕上就會(huì)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(qiáng)大，僅依靠一個(gè)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(shí)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(tái)、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(gè)家庭網(wǎng)絡(luò)上所有通過電力運(yùn)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。
在駕駛環(huán)境下，用戶與車的交流，可以通過對(duì)話來實(shí)現(xiàn)，說出“想回家”，汽車會(huì)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(bào)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(shí)別技術(shù)提供了安全便捷的交互方式，用戶只需動(dòng)口，就可以滿足在行車過程中的相關(guān)需求。
語音操控作為人機(jī)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(shí)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”的瀏覽器離我們并不遙遠(yuǎn)?；蛟S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(diǎn)”“亮一點(diǎn)”“字體大一號(hào)”等語音命令來控制瀏覽器。
傳統(tǒng)的密碼恢復(fù)機(jī)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(shí)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?yàn)橥浢艽a而求助于IT部門。
為此，一家外國公司推出了一項(xiàng)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(jī)或電話注冊(cè)自己的聲紋，一旦員工忘記密碼需要重置，只需對(duì)著登錄界面念一段短語（比方說“芝麻開門”）即可完成。
很多小朋友都有這樣的夢(mèng)想：擁有一個(gè)會(huì)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(gè)夢(mèng)想有了變成現(xiàn)實(shí)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(duì)話了！
語音交互對(duì)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(jī)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(huì)迎來一次劃時(shí)代的突破。
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，只能在相對(duì)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(shí)別率能力不高。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。
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)，與機(jī)器進(jìn)行語音交流，讓機(jī)器明白你說什么。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(jìng)爭(zhēng)性的新興高技術(shù)產(chǎn)業(yè)。
語音識(shí)別技術(shù)相當(dāng)于給計(jì)算機(jī)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(hào)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(jī)器最終能夠?qū)⒄Z音中的內(nèi)容、說話人、語種等信息識(shí)別出來。語音控制功能的實(shí)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(shí)現(xiàn)方式可分為近場(chǎng)語音識(shí)別和遠(yuǎn)場(chǎng)語音識(shí)別二個(gè)大類。
在對(duì)音箱等設(shè)備進(jìn)行語音控制時(shí)，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(yáng)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(duì)麥克風(fēng)的影響。另外對(duì)于震動(dòng)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(jì)方面，使用精心設(shè)計(jì)的麥克風(fēng)陣列減震結(jié)構(gòu)，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(qiáng)導(dǎo)致的音箱本體震動(dòng)對(duì)拾音的干擾。
近場(chǎng)語音識(shí)別需要用戶點(diǎn)擊啟動(dòng)，并且用戶與終端設(shè)備的距離比較近，如手機(jī)或其他終端設(shè)備，可直接借助這些終端設(shè)備直接實(shí)現(xiàn)控制功能。
遠(yuǎn)場(chǎng)語音識(shí)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(shí)別的算法將語音信號(hào)轉(zhuǎn)寫成文字的技術(shù)。雖然和近場(chǎng)語音識(shí)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(huì)出現(xiàn)信號(hào)強(qiáng)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(huì)使用于語音識(shí)別的聲波信號(hào)特征發(fā)生改變，因此針對(duì)不同的遠(yuǎn)場(chǎng)語音拾取技術(shù)，需要對(duì)語音識(shí)別引擎進(jìn)行定制化適配和優(yōu)化。
當(dāng)語音信號(hào)在傳播過程中有所衰減，影響采集信號(hào)的強(qiáng)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(shù)調(diào)整到適合遠(yuǎn)場(chǎng)語音數(shù)據(jù)的模式，可以最大限度采集清晰的遠(yuǎn)場(chǎng)語音信號(hào)。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(hào)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(duì)語音信號(hào)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(gè)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(shí)間達(dá)到的聲音數(shù)據(jù)分離開來，從而消除了混響對(duì)聲音數(shù)據(jù)的影響。
在遠(yuǎn)距離用語音進(jìn)行操控的時(shí)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(gè)麥克風(fēng)負(fù)責(zé)檢測(cè)一個(gè)指定的區(qū)域。當(dāng)某個(gè)空間區(qū)域里面檢測(cè)到有喚醒詞出現(xiàn)時(shí)，對(duì)應(yīng)于該空間區(qū)域的麥克風(fēng)拾音功能就被增強(qiáng)，其他區(qū)域的麥克風(fēng)拾音就被抑制。從而實(shí)現(xiàn)對(duì)聲音進(jìn)行有方向有角度的拾取，避免了周圍電視機(jī)里的說話聲音、其他人交談對(duì)語音指令的影響。
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。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，如果要在家里自由地控制智能家居設(shè)備，還需要有即時(shí)“喚醒”功能，也就是給智能設(shè)備加入“語音喚醒”技術(shù)。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(chǎng)還是遠(yuǎn)場(chǎng)，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。
通過上面的介紹，相信大家對(duì)智能家居語音控制技術(shù)有了一定的了解，對(duì)智能家居語音控制技術(shù)的背景和功能有了深刻認(rèn)識(shí)。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(shí)，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(shí)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(huì)成為你生活中的好伙伴，好幫手！
小米
華為
海爾
美的家居
綠米
易來
小度
天貓精靈
螢石
歐瑞博