聲智科技陳孝良：語音交互才是人工智能最便捷的控制手段

當(dāng)初，蘋果SIRI的智能語音控制功能驚艷一時(shí)，語音交互帶給人類巨大便捷。如今，近場（近距離）語音交互的輝煌成為過去，遠(yuǎn)場（遠(yuǎn)距離）到來。

語音交互屬人機(jī)交互的范疇，是一種比較前沿的交互方式。今年7月，小米AI音箱發(fā)布，其最大亮點(diǎn)就是此類功能，用戶只需說一聲“小愛同學(xué)”就可喚醒它。所有智能設(shè)備與人的語音交互，都離不開一套可聽清人聲、從而做出反應(yīng)的“喚醒技術(shù)方案”。

而聲智科技就是小米AI音箱麥克風(fēng)陣列和“喚醒技術(shù)方案”的提供者。帶著對該技術(shù)的疑問，投資家網(wǎng)記者在近日采訪到了聲智科技創(chuàng)始人陳孝良，聽他聊聊聲智與語音交互技術(shù)背后的故事。

聲智的喚醒技術(shù)方案

陳孝良早前在中科院聲學(xué)所任職，從事工業(yè)級、國防級聲學(xué)相關(guān)研究。2016年，語音交互市場持續(xù)火熱。在經(jīng)過多番調(diào)研、反復(fù)思量后，陳孝良與他在中科院的朋友成立了聲智科技。

成立以來，聲智科技專注于遠(yuǎn)場人工智能交互，提供從軟硬件到云服務(wù)的遠(yuǎn)場語音交互技術(shù)方案，以及從芯片模組、PCBA到工業(yè)設(shè)計(jì)的Turnkey產(chǎn)品方案。

語音交互的基礎(chǔ)建立在智能設(shè)備可以準(zhǔn)確收集、識別人聲，從而達(dá)到喚醒。在喚醒技術(shù)方案上，聲智科技推出了領(lǐng)先行業(yè)的單麥/雙麥，4+1, 6+1等麥克風(fēng)陣列方案。

所謂麥克風(fēng)陣列，就是收集語音數(shù)據(jù)的前端硬件，只有精準(zhǔn)收集人聲，才能談人機(jī)交互。

傳統(tǒng)的單麥克風(fēng)系統(tǒng)只適用于低噪聲、無混響、距離聲源很近的情況，比如人和手機(jī)語音助手的交互。而在遠(yuǎn)距離語音交互場景中，距離聲源遠(yuǎn)、環(huán)境中的大量噪聲、多徑反射和混響都會導(dǎo)致拾取信號的質(zhì)量下降，嚴(yán)重影響語音識別率?；诖耍帑溈孙L(fēng)處理語音的麥克風(fēng)陣列應(yīng)運(yùn)而生。

麥克風(fēng)陣列是按一定幾何結(jié)構(gòu)（常用線形、環(huán)形）擺放的麥克風(fēng)組成，對采集的不同空間方向的聲音信號進(jìn)行空時(shí)處理，實(shí)現(xiàn)噪聲抑制、混響去除、人聲干擾抑制、聲源測向、聲源跟蹤、陣列增益等功能，進(jìn)而提高語音信號處理質(zhì)量，以提高真實(shí)環(huán)境下的語音識別率。

而在市場上大賣的亞馬遜Echo智能音箱，就是使用4麥以上的麥克風(fēng)陣列。聲智的4+1, 6+1等麥克風(fēng)陣列方案可以說領(lǐng)先行業(yè)。

采訪中，陳孝良顯得很健談。唯獨(dú)談及語音交互市場現(xiàn)狀時(shí)，他減慢了語速冷靜分析著自己投身的行業(yè)。

語音交互市場的現(xiàn)狀

盡管語音交互市場持續(xù)火熱，但整個(gè)行業(yè)還存在諸多現(xiàn)實(shí)的問題。

首先，遠(yuǎn)場語音交互的聲音辨識度還很低。

復(fù)雜的現(xiàn)實(shí)環(huán)境和實(shí)驗(yàn)室的環(huán)境天壤之別，不同場景中有不同的噪音，智能設(shè)備如何在復(fù)雜環(huán)境中準(zhǔn)確識別人聲，一直是行業(yè)的最大痛點(diǎn)。

“聲智的遠(yuǎn)場語音識別率，目前已達(dá)到90%，但是距離人和機(jī)器隨心所欲的對話還有一個(gè)漫長的階段”陳孝良坦言。

產(chǎn)品落地的迫切

遠(yuǎn)場語音交互技術(shù)不應(yīng)用在實(shí)際產(chǎn)品上，它就只是一個(gè)實(shí)驗(yàn)室研究。

市場上的語音產(chǎn)品中，將這項(xiàng)技術(shù)應(yīng)用在智能音箱上的居多。亞馬遜的 Echo、 京東的叮咚、小米AI音箱、阿里的天貓精靈，可以看出，只有落地產(chǎn)品才能搶占市場份額。

巨頭布局整個(gè)生態(tài)

回顧過往，整個(gè)語音交互市場從來不缺巨頭的參與。

國外的微軟、谷歌、蘋果、亞馬遜早早布局了各自的語音產(chǎn)品，國內(nèi)百度、京東、阿里也相繼進(jìn)入語音交互市場。

聲智的競爭優(yōu)勢

不久前，聲智科技宣布完成近億元的A輪融資，由百度、藍(lán)港互動、洪泰基金、峰瑞資本聯(lián)合財(cái)務(wù)投資。

資本垂青的背后，是聲智在前景廣闊的語音交互市場中獨(dú)特的優(yōu)勢：

一、一體化語音交互方案

“做為整個(gè)生態(tài)鏈里的技術(shù)解決方案提供商，聲智在技術(shù)上一定要具備優(yōu)勢。只有得到市場驗(yàn)證的技術(shù)，才可以獲得合作伙伴的認(rèn)可?！标愋⒘紝τ浾哒f到。

完整的語音產(chǎn)品方案除了麥克風(fēng)陣列為主的硬件前端，還有云端、合作內(nèi)容兩部分。

硬件前端是麥克風(fēng)陣列、降噪算法、芯片、硬件平臺等；云端是語音識別和語義理解、語音數(shù)據(jù)；合作內(nèi)容是音樂、天氣、短信、通話等應(yīng)用工具。

聲智科技的一體化語音交互方案包括了領(lǐng)先的麥克風(fēng)陣列方案，以及云端服務(wù)。

基于這些核心技術(shù)，百度、騰訊、小米、360、聯(lián)想等著名品牌相繼與聲智建立合作。

二、在各個(gè)領(lǐng)域?qū)崿F(xiàn)產(chǎn)品落地

目前，聲智科技在智能家居、智能汽車、智能安防、智能金融、智能教育都有落地產(chǎn)品。

除了在智能音箱領(lǐng)域與小米的合作，聲智在智能安防領(lǐng)域有 “奇虎360小水滴智能攝像頭；智能機(jī)器人領(lǐng)域有“奇虎360兒童陪伴機(jī)器人”。

而在智能車載領(lǐng)域，聲智科技對準(zhǔn)駕駛員語音控制和全車語音控制的用戶需求，提供了單麥識別優(yōu)化算法和分布式麥克風(fēng)陣列方案。

三、持續(xù)盈利

不止語音交互市場，縱觀整個(gè)人工智能行業(yè)，可以實(shí)現(xiàn)持續(xù)盈利的公司也沒有幾家。人工智能領(lǐng)域，還處于投入開發(fā)階段。

聲智科技做為一家技術(shù)驅(qū)動型公司，通過賣技術(shù)、產(chǎn)品、服務(wù)，已達(dá)到持續(xù)盈利。

“我們的產(chǎn)品質(zhì)量上好一點(diǎn)，成本上控制低一些，這些可以形成競爭優(yōu)勢。最早的時(shí)候，一套開發(fā)板賣幾千塊，也是營收?！标愋⒘几锌?。

語音交互市場的巨大前景

與其他行業(yè)相同，國內(nèi)語音交互市場同樣依賴國外核心芯片。同時(shí)，國外巨頭虎視眈眈準(zhǔn)備進(jìn)軍中國語音交互市場。我們國家整個(gè)語音交互市場的現(xiàn)狀非常嚴(yán)峻。

不可否認(rèn)的是，語音交互市場的前景是廣闊的。人工智能帶來的社會變革，就是讓人類選擇更便捷的生活方式。

在眾多智能產(chǎn)品中，用戶可以通過各種手段對其進(jìn)行控制，而語音交互無疑是最便捷的操控手段。所以，人工智能的發(fā)展將與語音交互發(fā)展深度相連。

在這場智能變革的浪潮中，持續(xù)優(yōu)化遠(yuǎn)場語音交互體驗(yàn)、打通與產(chǎn)業(yè)鏈上下游企業(yè)的合作，正是聲智科技未來應(yīng)做的事。

首席內(nèi)容指導(dǎo)：投資家網(wǎng)蔣東文（曾用名：蔣冬文）