Zi 字媒體

智能語音助手不是什麼新鮮的事物，但它的載體智能音箱成為智能家居的爆品不過是近兩年的事情，這得益於兩個方面，首先是人工智慧的發展誕生了實際的應用場景，其次則是聲學識別、語音識別等技術的逐漸成熟。無論是音箱還是其他消費電子產品，凡是涉及到語音交互的環節，都離不開對聲音的採集和提取，具體到智能音箱中，這是一種被稱為「麥克風陣列」的技術，同時幾乎也是Amazon Echo和Google Home此類產品唯一涉及到硬體層面的創新。剛剛過去的CES ASIA期間，哈曼發布了全新的遠程語音識別解決方案SONIQUE?，它將提供有別於傳統手動輸入的語音輸入技術，瞄準的正是消費類語音電子產品對於麥克風陣列的需求。從近場識別到遠場識別幾年前，語音交互最典型的代表就是以蘋果Siri為代表的智能手機，在這個相對簡單且識別距離較近的場景，麥克風系統可以在低雜訊、無混響、距離聲源很近的情況下獲得符合語音識別需求的聲音信號。但是一旦麥克風距離較遠，收音環境就會受到大量雜訊、混音甚至反射帶來的干擾，導致對聲音信號採集和提取的準確率大幅下降，從而影響語音識別的準確率。「iPhone配備了號稱目前世上最好的麥克風，但是如果開揚聲器從2米外去打電話，基本上除了雜訊什麼也聽不見」，哈曼嵌入式音響事業部負責人劉蒼松認為，「當用戶逐漸從手機開始切換到類似Echo等的時候，實際上麥克風的工作環境也變了。」消費級麥克風陣列的興起伴隨著智能語音助手的大範圍應用，最主要的變化其實是用戶場景的遷移，這也推動了麥克風陣列領域從近場識別到遠場識別的技術大躍進，一旦遠場語音交互成為主流，那將和觸屏的方式產生真正的差異化。