喜歡就請關注吧~↗燚智慧硬體開發大講堂用簡單的語言，講複雜的技術！

如今智慧語音控制特別火熱，智慧音箱、汽車、手機……

君子動口不動手，下面講講如何實現“動口不動手”？

語音控制的流程

聲音採集—>降噪—>語音喚醒—>語音轉文字—>語義理解—>回覆文字和指令—>文字轉聲音—>播放聲音

舉例：

1、使用者說“天貓精靈，今天天氣怎麼樣？”

2、“天貓精靈”被語音喚醒模組接收到，並判斷為喚醒詞，然後開始記錄後續的“今天天氣怎麼樣”這段語音，併發送給雲端伺服器。

3、伺服器把這段語音，轉化成文字“今天天氣怎麼樣”，交給語義理解伺服器

語義理解伺服器把“今天天氣怎麼樣”這段文字，拆解成“事件=查詢天氣，時間=今天”這段控制指令回傳給裝置。

4、裝置根據時間和本機地理位置，找天氣伺服器查詢天氣，並獲得天氣的的文字資料“今天要下雨”

5、裝置把“今天要下雨”這幾個字發給文字轉聲音的伺服器，伺服器返回“今天要下雨”這段聲音，由裝置喇叭播放出來。

（3，4，5這三個動作，可以拆開由各個伺服器單獨完成，也可以由一個伺服器統一完成。）

（車載系統做的比較簡單，主要靠本地識別，落後智慧音箱至少5年。）

各模組的功能

降噪（AEC）通過麥克風陣列，判斷人在哪個方向，增強那個方向的拾音效果。這樣可以在5米之外就能聽到人在說話，足夠一間房間使用了。

還可以在本機播放音樂的時候，濾除麥克風接收的本機音樂，使得智慧音箱在播放音樂的時候也能被喚醒。

這就是大家講的雙麥降噪、7麥陣列之類的。

國際上做的比較好的是科勝訊（Conexant），國內做的比較好的是科大訊飛，國內現在有幾十家小公司在做語音降噪演算法

（然而這些小公司很快都會掛掉，原因見文章後面）

喚醒智慧音箱的麥克風在7x24小時接收外部聲音，持續分析這些聲音，看看是否能檢測到喚醒詞（例如前面講的“天貓精靈”），一旦檢測到了喚醒詞，就把之後的語音傳給語音識別伺服器。

國際上喚醒詞做的最好的是Sensory，國內的主要是訊飛等語音識別公司。

像智慧手錶上，一般會有一顆專門的低功耗晶片，內建喚醒詞演算法，隨時開啟等著你說話。不需要佔用CPU資源，非常省電。

語音轉文字（ASR）語音並不能直接拿來分析成意思，必須要轉化成文字。這是個成熟的技術了，以前還會有在現在大資料演算法的輔助下，結合上下文理解，已經可以非常準確的把聲音變成文字了。

語義理解（NLP）自然語言處理，就是把人的語言轉化成機器能夠理解的數字，分解開，並回復響應的語言。

大家覺得智慧音箱是“智障音箱”，主要還是因為這裡，現有的技術只能做到固定的問答，而無法像人類一樣思考。

再加上人類語言有大量的不同表達方式和歧義語句，理解錯誤的地方也會非常多。例如“殺死獵人的狗”，殺死的是獵人，還是狗？

只有NLP語義處理能夠接近人類的理解了，機器的語音互動，才真的能讓使用者正常對話。

文字轉語音（TTS）：這個大家都很熟悉了，不管是機械感強烈的訊飛，還是越來越俏皮的siri，或是高德地圖的志玲姐姐聲音，都是依靠TTS語音合成，把文字變成聲音的。

做這個語音合成的非常多，早些年有放在本機端的，現在一般都是雲端來合成。

主流架構

經典架構：降噪用專門的DSP晶片

主控用Android平臺，

語音識別、語義識別、語音合成三個放在雲端

控制和顯示放在本地

現有的國產智慧音箱，全都是這個架構的

做的最好的：Amazon Echo全球銷量最大的，是Amazon Echo系列，幾年時間賣了3000萬臺，直接導致國內2017年智慧音箱公司大量湧現。

Echo和其他智慧音箱最大的區別是：所有的控制，都放在雲端了。哪怕你家的WIFI檯燈和Echo是在同一個區域網，這個燈也是從雲端直接控制的。

把控制也放到雲端的好處是：智慧音箱本身不需要升級任何程式，就可以支援所有的智慧硬體。

做的最簡單的：Google Android ThingsAndroid Things在2018CES剛釋出了新版本，做的比Amazon更省事，把前端語音降噪都放在雲端去做了。演算法更容易更新，隨著時間的發展，能夠提供比本地降噪更優秀的降噪效果。

還能夠降低硬體要求，從而降低硬體成本。

智慧音箱發展趨勢

沒屏的降成本，越做越簡單帶螢幕，做複雜互動，作為中樞多個房間，分散式拾音網路雲端化，能放在雲端的服務都會放上去。做降噪演算法，會比較難活下去傳統語音識別企業，被網際網路打壓（寫太長了大家不愛看，具體原因後面再講。喜歡看的求個“贊”，鼓勵一下小編繼續敲鍵盤吧~~）

總結

智慧音箱，美國賣的很好，國內賣的不怎麼樣。

雖然不知道誰能一統江湖，但以後一定是大勢所趨。

中國賣的不太好的原因，主要是漢語太複雜，稍微調戲一下，智慧音箱很容易就變成了智障音響了。

還有一個原因是，很多中國人生性喜歡和人交流，不喜歡和機器交流。明知道是個機器，還“天貓精靈”“叮咚叮咚”“小愛同學”之類的叫個不停，是不是感覺自己好傻？？

喜歡就請關注吧~↗燚智慧周教授講講業內的那些事！

相關精彩內容：

Android Things，新一代物聯網作業系統，和Android區別可大了！

谷歌和聯想，聯合釋出超大屏智慧音箱，除了聽，還能看！

智慧硬體，可能會遇到這些危險的場景！工程師需要注意！