深度解讀智能音箱技術(shù)：360度解剖智能音箱的耳朵-資料下載頁
2025-08-17 13:41本頁面
【正文】 表的路線，該路線更加依賴語音增強(qiáng)算法，而對麥克風(fēng)陣列數(shù)量和陣列拓?fù)浣Y(jié)構(gòu)依賴較小，通過通過自適應(yīng)降噪、降低混響、語音分離等技術(shù)，從而靠少量麥克風(fēng)獲得良好的拾音效果。有趣的是，剛剛在8月24日發(fā)布的出門問問的智能音箱采用的就是科勝訊的2麥克風(fēng)陣列，從其測試結(jié)果來看，遠(yuǎn)場拾音喚醒能力并不輸于競品。（黃色方框為Google Home 2麥線性陣列）關(guān)于陣列麥克風(fēng)數(shù)目的選擇，思必馳副總裁雷雄國則從產(chǎn)品層面談到：首先從性能上考慮，思必馳從單麥、6麥、8麥、12麥都有嘗試，思必馳最終選擇6麥作為主要的陣列方案，是成本和性能的一個綜合考慮。6麥以上盡管性能也會提升，但提升的效果和成本不成正比，但6麥一下數(shù)目的減少，成本會降低，性能也會相對降低。其次，產(chǎn)品形態(tài)會影響陣列的選擇，比如電視上的Soundbar等設(shè)備是長條形，就適合線性陣列；而Echo、叮咚是橢圓，它就可以選擇環(huán)形陣列。此外，麥克風(fēng)數(shù)目的選擇還和產(chǎn)品定位有關(guān)。定位高端產(chǎn)品，對體驗有更高要求，則可以選擇6麥陣列，而中低端的產(chǎn)品可選擇2麥或4麥。六、麥克風(fēng)陣列在遠(yuǎn)場交互中存在的問題盡管智能音箱經(jīng)過一段時間的打磨，在拾音、喚醒、識別方面都能夠歐達(dá)到一個不錯的效果，但在遠(yuǎn)場交互中麥克風(fēng)陣列仍存在一些亟待解決的問題。第一，誤喚醒是一個問題。雷雄國也談到，表面看這個是喚醒的問題，但實(shí)際跟陣列有較強(qiáng)的關(guān)系，喚醒拿到的是陣列拾音的信號，陣列對信號噪聲處理效果的好壞直接影響到誤喚醒。這個問題也可以從產(chǎn)品的思路進(jìn)行解決，如喚醒之后只是亮燈而不“說話”，這樣會好很多。第二，聲源定位需要提升。在聲學(xué)環(huán)境中，尤其是在反射較強(qiáng)、回聲較強(qiáng)、噪音環(huán)境下，聲源定位需要較大的提升空間。第三，動態(tài)環(huán)境中對用戶位置的跟蹤也需要提升。在家庭場景中， 人會處于一種移動的狀態(tài)，喚醒和指令可能不在同一個方位，在下一次人機(jī)交互中會重點(diǎn)處理剛剛那個方向的信號，如果房間存在多個音源，就可能無法執(zhí)行指令。第四，麥克風(fēng)陣列無法同時進(jìn)行多人聲的識別和處理，當(dāng)下的波束形成和噪聲抑制，會使陣列在同一時間處理同一個方向的聲源，從而抑制其他聲源，這就意味著當(dāng)下的技術(shù)路線下，機(jī)器無法同時與多人進(jìn)行交互。結(jié)語：麥克風(fēng)陣列賦予智能硬件“耳朵”提起未來，我們會幻想無處不在的智能，虛擬助手幫助我們做任何想做的事情。而機(jī)器具備智能的第一步應(yīng)該是聽懂人類的心聲，那么它首先應(yīng)該具備的就是一雙“耳朵”。而在人工智能的當(dāng)下，麥克風(fēng)陣列的作用就是賦予智能硬件以“耳朵”，讓它更好的聽到人類的聲音，然后將聲音傳輸?shù)皆贫说闹悄堋按竽X”去理解，去調(diào)動自身的“技能”，滿足人類的需求。但這雙“耳朵”在各種場景中是否靈敏好用，能否“耳聽八方”，還需要底層聲學(xué)技術(shù)的進(jìn)一步研究。
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1