訊飛五麥震撼來襲

科大訊飛是國際上最早開始研究遠場語音識別技術(shù)的機構(gòu)之一，也是國內(nèi)唯一具備成熟解決方案的廠商。自2015年3月和8月，訊飛相繼對外發(fā)布四麥、二麥麥克風(fēng)陣列解決方案。今天在深圳阿基米互聯(lián)網(wǎng)公社舉辦的“訊飛核心技術(shù)開發(fā)日——麥入云端，引領(lǐng)智能交互新主義”沙龍活動中，更重磅發(fā)布了打破語音交互瓶頸的利器——4+1環(huán)形五麥克風(fēng)陣列，再次引領(lǐng)智能交互新主義！

在科大訊飛15年底年度發(fā)布會上，在場的3000余人見證了這樣的一場人機互動：演示人員在5米開外，用聲音操控叮咚音箱，完成了一系列高難度的訂票任務(wù)，引來臺下陣陣驚嘆——現(xiàn)場那么嘈雜，叮咚音箱卻如此“聽話”，要讓叮咚音箱聽懂這么多聲音，而且具備遠場識別的功能，它必須聽的到，而且要聽的更加清晰，人類可以帶上助聽器，機器需要什么呢?【麥克風(fēng)陣列】就充當了助聽器這樣的角色。可以說，麥克風(fēng)陣列猶如遠場識別的心臟。有了這顆“機器之心”， 在遠場場景中，就可以一舉解決在了遠場識別中遇到的背景噪聲、其他人聲干擾、回聲、混響等核心問題。

圖：“麥入云端，引領(lǐng)智能交互新主義”沙龍活動現(xiàn)場

定義人機交互的標準

訊飛開放平臺副總經(jīng)理馬漢君進行了開場演講，馬漢君以”科大訊飛——人工智能引導(dǎo)者“為主題系統(tǒng)地介紹了人工智能的起源和發(fā)展，以及訊飛在人工智能領(lǐng)域里的最新研究成果和在人工智能+IOT時代的愿景和目標，并在演講的最后詳細的闡述了于去年底發(fā)布的人機交互界面——AIUI。

圖：訊飛開放平臺副總經(jīng)理馬漢君

馬漢君說：“人工智能將助力IOT時代的蓬勃興起，而科大訊飛的愿景則是加速這一過程。當前訊飛的自然開放交互平臺上的應(yīng)用已經(jīng)超過90000個，連接終端超過8.8億臺。接下來訊飛將通過深度神經(jīng)網(wǎng)絡(luò)與大數(shù)據(jù)的結(jié)合，實現(xiàn)人工智能從“能聽會說”到“能理解會思考”的突破。2014年8月，科大訊飛成為中國首個人工智能項目“類人答題機器人”的牽頭單位，正式啟動超腦計劃。未來，訊飛超腦將能參加高考甚至取得“一本”的成績。

在2015年，訊飛發(fā)布了AIUI，這是一個智能硬件量身定制了智能交互方案，重新定義了萬物互聯(lián)時代人機語音交互標準，具備了遠場降噪、方言識別、語音糾錯、多輪對話等功能。通過統(tǒng)一接口、開放的服務(wù)擴展、靈活的能力搭配實現(xiàn)人機交互與產(chǎn)品體驗的結(jié)合，科大訊飛希望和合作伙伴一起，用人工智能改變世界。

智能交互，與聲俱來

訊飛開放平臺智能硬件產(chǎn)品總監(jiān)張良春則從人機交互的三大痛點談起，介紹了訊飛在這些問題的看法以及解決之道。“咬耳朵”不是智能交互，讓機器人可以遠場對話，需要使用麥克風(fēng)陣列?，F(xiàn)在訊飛推出有最新的環(huán)形五麥克風(fēng)陣列，遠場拾音距離可達5米。相比以往線性麥克風(fēng)單維180°覆蓋，環(huán)形五麥是360°全平面拾音角度，而且去噪效果更好，抗環(huán)境噪音的能力更強。

總的來說五麥麥克風(fēng)陣列功能特性包括：二維空間拾音、抗噪能力增強、遠距拾取音頻、支持連續(xù)喚醒、支持回聲消除、支持語音打斷。麥克風(fēng)陣列模塊優(yōu)點是迅速集成，缺點成本較高，適合小批量。所以訊飛也可以提供麥克風(fēng)軟核方案，包括算法SDK、錄音板、加密芯片和構(gòu)型說明。目前軟核方案有單麥軟核、雙麥軟核、四麥線性軟核、環(huán)形五麥軟核和環(huán)形七麥軟核。環(huán)形七麥支持5~7米拾音距離、360°聲源定位、±10°聲源定位精度，陣列錄入的音頻信噪比更高。

圖：訊飛開放平臺智能硬件產(chǎn)品總監(jiān)張良春

在演講的中，張良春還風(fēng)趣的套用了周星馳電影國產(chǎn)凌凌漆中的一個橋段:咱們的產(chǎn)品只要一開口說話，無論在哪里，都像黑暗中的一只螢火蟲，那樣的鮮明，那樣的出眾……

干貨泥濘的麥克風(fēng)陣列技術(shù)剖析

除了邀請訊飛開放平臺的相關(guān)同事，此次發(fā)布會還特意從訊飛研究院邀請了信號處理領(lǐng)域的技術(shù)大牛王海坤博士。而王博士的發(fā)言無疑讓此次本便干貨滿滿發(fā)布會變得更加泥濘。王博士從信號與信號聲學(xué)處理談起，全面的剖析了訊飛的麥克風(fēng)陣列與回聲消除技術(shù)。

“噪聲、混響、干擾和回聲是聲學(xué)信號處理需要解決的問題，而這些問題的解決離不開麥克風(fēng)陣列。訊飛采用聲源定位技術(shù)，利用麥克風(fēng)陣列用基于TDOA（到達時間差）計算聲源距離陣列的角度和距離，實現(xiàn)對目標聲源的跟蹤。再通過波束形成技術(shù)，即在期望方向上有效地形成一個波束，僅拾取波束的信號，從而達到同時提取聲源和抑制噪聲的目的。對于混響，則使用麥克風(fēng)陣列+深度學(xué)習(xí)，實現(xiàn)有效的混響處理“。

圖：訊飛研究院王海坤

“科大訊飛的回聲消除技術(shù)更是達到國際頂尖水平，利用自適應(yīng)濾波方法估計回聲路徑和利用參考信號求得麥克風(fēng)拾取的喇叭聲音，并將其減去。通過這一系列的技術(shù)，訊飛麥克風(fēng)陣列實現(xiàn)了優(yōu)異的聲學(xué)信號處理，確保了良好的用戶體驗”。

智能硬件客，共享語音云

發(fā)布會最后做壓軸演講的，是訊飛開放平臺智能硬件商務(wù)總監(jiān)湯熙，湯熙以“生活不止眼前的茍且，還有詩和遠方的田野”生動開場，著重介紹了開發(fā)者獲取訊飛開放平臺相關(guān)能力的一套流程。

圖：訊飛開放平臺智能硬件商務(wù)總監(jiān)湯熙

湯熙最后表示：如果你確定與訊飛合作，訊飛將提供深入對接的全套服務(wù)。我們在深圳、北京、合肥都有支持團隊，除了技術(shù)支持+商務(wù)本地化服務(wù)外，訊飛還提供包括資本服務(wù)、宣傳服務(wù)、渠道服務(wù)等多種服務(wù)。我們希望在做好服務(wù)的同時，陪伴大家共同成長。訊飛會不斷把核心技術(shù)做好，產(chǎn)品打磨好，把本地支持做好，只有這樣才能陪伴大家往前走。訊飛也許不夠完美，但是完美的訊飛需要大家一起締造。

麥克風(fēng)猶如遠場識別的心臟和引擎，在其基礎(chǔ)上，遠場識別技術(shù)的遠距離、高識別率支撐，現(xiàn)在用戶在以家庭為單位的活動范圍內(nèi)，可以通過語音輕松操控家里的一切智能硬件設(shè)備，推而廣之，搭載遠場識別的智能硬件產(chǎn)品將無限擴大適用范圍和應(yīng)用場景。未來，科大訊飛將依靠自身強大的人工智能科研實力與優(yōu)質(zhì)產(chǎn)品，更具創(chuàng)造性地去改變世界，讓人們的生活更加美好。