“智能音箱”技術詳解
如今智能語音控制特别火熱，智能音箱、汽車、手機……
君子動口不動手，下面講講如何實作“動口不動手”？
語音控制的流程
聲音采集—>降噪—>語音喚醒—>語音轉文字—>語義了解—>回複文字和指令—>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”被語音喚醒子產品接收到，并判斷為喚醒詞，然後開始記錄後續的“今天天氣怎麼樣”這段語音，并發送給雲端伺服器。
3、伺服器把這段語音，轉化成文字“今天天氣怎麼樣”，交給語義了解伺服器
語義了解伺服器把“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，并獲得天氣的的文本資料“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，伺服器傳回“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，主要靠本地識别，落後智能音箱至少5年。）
各子產品的功能
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，使得智能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），國内做的比較好的是科大訊飛，國内現在有幾十家小公司在做語音降噪算法
（然而這些小公司很快都會挂掉，原因見文章後面）
喚醒智能音箱的麥克風在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别伺服器。
國際上喚醒詞做的最好的是Sensory，國内的主要是訊飛等語音識别公司。
像智能手表上，一般會有一顆專門的低功耗晶片，内置喚醒詞算法，随時打開等着你說話。不需要占用CPU資源，非常省電。
語音轉文字（ASR）語音并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算法的輔助下，結合上下文了解，已經可以非常準确的把聲音變成文字了。
語義了解（NLP）自然語言處理，就是把人的語言轉化成機器能夠了解的數字，分解開，并回複響應的語言。
大家覺得智能音箱是“智障音箱”，主要還是因為這裡，現有的技術隻能做到固定的問答，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，了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？
隻有NLP語義處理能夠接近人類的了解了，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
主要用Android平台，
語音識别、語義識别、語音合成三個放在雲端
控制和顯示放在本地
現有的國産智能音箱，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3000萬台，直接導緻國内2017年智能音箱公司大量湧現。
Echo和其他智能音箱最大的差別是：所有的控制，都放在雲端了。哪怕你家的WIFI台燈和Echo是在同一個區域網路，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：智能音箱本身不需要更新任何程式，就可以支援所有的智能硬體。
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。算法更容易更新，随着時間的發展，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，進而降低硬體成本。
智能音箱發展趨勢
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，分布式拾音網絡雲端化，能放在雲端的服務都會放上去。做降噪算法，會比較難活下去傳統語音識别企業，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
智能音箱，美國賣的很好，國内賣的不怎麼樣。
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，智能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？
本文轉自：https://blog.csdn.net/weixin_42082222/article/details/80529850