本站原創(chuàng)，作者：章鷹，電子發(fā)燒友執(zhí)行副主編。

美國研究公司Strategy Analytics近日發(fā)布了《2018年第三季度全球智能音箱市場報(bào)告》。報(bào)告顯示，全球智能音箱出貨量第三季度達(dá)到2270萬，同比增長197%，創(chuàng)歷史新高。亞馬遜在第三季度依然市場占有率最高，占據(jù)了32%的份額，谷歌以23%的份額緊追其后。百度的加入改變了全球智能音箱的市場格局，市場占有率猛增至8%，進(jìn)入全球前四名。

“據(jù)IDC統(tǒng)計(jì)，2018年第三季度，搭載百度DuerOS的智能音箱在中國市場出貨量第一名，小度系列智能硬件在中國市場增速最快，市場份額增至24%。百度在遠(yuǎn)場語音技術(shù)上有很大的突破。我們和Duer OS生態(tài)一起發(fā)展，上周Duer OS產(chǎn)品的出貨量突破2億。這與百度遠(yuǎn)場語音技術(shù)的突破是密切相關(guān)的。“百度語音部門負(fù)責(zé)人在1月16日深圳舉辦的百度大腦硬件及平臺發(fā)布會現(xiàn)場表示。

遠(yuǎn)場語音技術(shù)三大關(guān)鍵點(diǎn)

2017年年初，各家開發(fā)廠商針對遠(yuǎn)場語音技術(shù)進(jìn)行軍備競賽，智能音箱的市場大戰(zhàn)，從2017年開始到現(xiàn)在，是從近場語音技術(shù)到遠(yuǎn)場語音技術(shù)的過度階段，廠商會介紹自己的遠(yuǎn)場語音技術(shù)多么厲害，現(xiàn)在很少有人提手機(jī)上語音識別的效果。

遠(yuǎn)場語音技術(shù)的三大關(guān)鍵點(diǎn)：第一、信號處理，沒有信號處理，就沒有現(xiàn)在的遠(yuǎn)場語音的效果，信號處理用于定位，定位算法才能創(chuàng)造遠(yuǎn)場語音智能；第二、軟硬結(jié)合，在遠(yuǎn)場交互時(shí)代，需要與硬度深度結(jié)合，將算法、軟件在硬件上打磨好，提升用戶體驗(yàn)；第三、端到端語音語言一體化，信號處理基于端到端建模，聲學(xué)模型是匹配好場景的，還有喚醒技術(shù)，采用端到端思路，對端到端詞匯進(jìn)行建模，再將喚醒技術(shù)和信號處理技術(shù)結(jié)合，下沉到Duer OS系統(tǒng)層，才能達(dá)到很好的喚醒效果。

語音技術(shù)軟硬一體化解決方案

教會機(jī)器聽懂人話的過程，就是通過深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練聲學(xué)模型和語言模型的過程。而一些公司宣傳的機(jī)器識別準(zhǔn)確率過高，速記員都達(dá)不到這一水平，還有很多相關(guān)的工作需要去完成，不能單靠深度神經(jīng)網(wǎng)絡(luò)的方法來實(shí)現(xiàn)。語音識別準(zhǔn)確率涉及多方面原因，例如遠(yuǎn)場精確識別就是業(yè)界難題。

“最新一年百度在語音技術(shù)上兩大進(jìn)展：一次喚醒多次交互技術(shù)，技術(shù)特點(diǎn)是信號尾點(diǎn)和語義尾點(diǎn)聯(lián)合優(yōu)化模型；第二點(diǎn)，針對聲學(xué)模型和語義模型做雙重的置信度模型，在喚醒一次后可以和機(jī)器進(jìn)行自由交談，技術(shù)的關(guān)鍵點(diǎn)是將干擾信息去除。需要端到端的思路，用信號衰減的思路，配合聲紋技術(shù)，進(jìn)行交互。這個(gè)技術(shù)會在小度系列的硬件產(chǎn)品落地?！?百度語音部門負(fù)責(zé)人解釋說。

百度在遠(yuǎn)場語音交互技術(shù)突破，包括一次喚醒多次交互技術(shù)以及 SMLTA 模型，SMLTA 模型在百度輸入法正式發(fā)布這個(gè)技術(shù)，特點(diǎn)是語言和語義進(jìn)行建模訓(xùn)練，這個(gè)模型可以跑在手機(jī)端，取得和在線識別媲美的效果。

百度歷經(jīng)一年多的打磨和開發(fā)，全新推出了百度遠(yuǎn)場語音開發(fā)套件，包括遠(yuǎn)場語音端到端技術(shù)、兩款分別主打高性能和高性價(jià)比的計(jì)算板卡、3種形態(tài)的麥克風(fēng)陣列，形成了環(huán)形6+1麥、線形4麥和車載3麥的多形態(tài)麥克風(fēng)陣列套件方案。

“讓硬件制造商、ODM、OEM做智能音箱、智能電視、語音機(jī)器人、可穿戴設(shè)備和車載可以在百度大腦上找到和使用語音開發(fā)套件。我們希望提供一條產(chǎn)業(yè)鏈，讓上下游合作起來。” 百度語音部門負(fù)責(zé)人強(qiáng)調(diào)說?！斑@套開發(fā)套件的優(yōu)勢，靈活、快速讓開發(fā)者對接自己在場景中的資源，對接語義理解能力，對接知識庫?！?/p>

百度遠(yuǎn)場語音開發(fā)套件基于端到端方案，嚴(yán)格按照最佳技術(shù)實(shí)踐指導(dǎo)生產(chǎn)，可解決語音交互產(chǎn)品研發(fā)過程中無可用設(shè)備選型、選型調(diào)試成本大、調(diào)試效果不佳等問題。該方案支持回聲消除、聲源定位、波束形成、噪聲抑制等處理算法，一、三、五米識別和喚醒效果優(yōu)于同類產(chǎn)品，目前已落地150多款產(chǎn)品。

車載三麥克陣列，車上語音識別要求比較高，不僅是主音區(qū)，而且是雙音區(qū)的語音識別，除了主駕駛位，還包括副駕駛位，百度車載三麥克鈍角陣列放置在車頂，可以輕松實(shí)現(xiàn)主音區(qū)和雙音區(qū)的語音識別，解決方案已經(jīng)在百度車聯(lián)網(wǎng)聯(lián)盟內(nèi)的被多個(gè)車廠采用。百度還在做DSP相關(guān)技術(shù)，配合麥克風(fēng)陣列，價(jià)格更有競爭力。

主流芯片價(jià)格透明，兩年原廠開發(fā)經(jīng)驗(yàn)，主板方案非常有競爭力。合作模式：語音端到端產(chǎn)品，開發(fā)時(shí)間長，需要重新開模和設(shè)計(jì)，直接貼牌，提供產(chǎn)品原型，在這個(gè)基礎(chǔ)上做二次開發(fā)；線下做開發(fā)，把方案放入適用的產(chǎn)品內(nèi)部。

百度大腦AI硬件生態(tài)聯(lián)盟

發(fā)布會現(xiàn)場，百度聯(lián)合首批合作伙伴成立百度大腦硬件生態(tài)聯(lián)盟，首批聯(lián)盟伙伴包含芯片廠商賽靈思，攝像頭模組廠商奧比中光、睿識、慧谷航天，開發(fā)套件廠商天啟，終端設(shè)備廠商華正聯(lián)等等。作為聯(lián)盟發(fā)起人和組織者，百度大腦希望與聯(lián)盟伙伴一起，共同制訂端計(jì)算與AI硬件標(biāo)準(zhǔn)，共同促進(jìn)和繁榮AI落地應(yīng)用。

百度大腦也將對聯(lián)盟合作伙伴提供深度技術(shù)支持、渠道支持、品牌授權(quán)、產(chǎn)品折扣和運(yùn)營資源等權(quán)益，全面開啟AI技術(shù)終端化的大門，賦能合作伙伴的同時(shí)為產(chǎn)業(yè)帶來加速的交流和融合。正如百度AI技術(shù)生態(tài)部總經(jīng)理喻友平所言，人工智能若要長期推動各個(gè)產(chǎn)業(yè)的升級與優(yōu)化，需要合作伙伴的共同努力，打造適合AI發(fā)展的健康環(huán)境。