聲加科技邱鋒海預測機器聽覺將仿生人耳 兩顆傳聲器陣列或是終極

　　10月27-28日，一年一度的中國聲學領域技術交流盛會 “聲學樓13周年年會暨中國音響行業白皮書發布會”在深圳市南山區金百合大酒店隆重召開。本次大會以“砥礪奮進，行穩致遠”為主題，邀請了中科院聲學所、萬魔聲學、科大訊飛、小米科技、貓王收音機、樓氏電子等院所和企業的60余位行業大咖，與來自全國各地的知名專家學者、行業著名企業家、資深工程技術人員、年輕一線工程師等1500余人分享了31場深度技術垂直的議題報告。

　　來自全國各地的技術人員前來參會

　　座無虛席的大會現場

　　其中，在27日下午的特邀專題報告里，北京聲加科技CEO邱鋒海受邀以《聲加萬物、聆聽未來：智能語音交互應用和技術》為題，分享了目前正在爆發的智能語音交互市場中的各項明星產品和其技術鏈條。并在演講中詳細分析了聲學前端技術所面臨的挑戰與機遇：如在百花齊放的新生市場里，智能音箱的“去插電化”、減少麥克風組成的陣列、更靈活的喚醒詞訓練及生成和智能耳機的尺寸更小、各類型傳感器數據融合以及更低功耗的喚醒等。

　　聲加科技CEO邱鋒海主題分享《聲加萬物、聆聽未來：智能語音交互應用和技術》

　　邱鋒海表示，10萬年前，語言的出現大大加速了人類社會進化和發展的進程。時至今日，聽和說依然是人類最基本、最常用和最靈活的交流方式，同時也是最好的人機交互方式。在經歷了計算機命令式交互到圖形界面觸摸交互，再到信息時代/高級信息時代的自然交互、和情感交互……毫無疑問，語音交互將會成為泛在的人機交互方式。

　　事實上，語音識別技術的研究可追溯到上世紀50年代，從單一模式匹配到70年代的模式和特征分析，再到90年的統計方法(HMM+GMM)，直到2010年后，深度神經網絡(DNN)取得了巨大的成功，基于DNN技術的應用也呈爆炸式增長。同時，語音識別、自然語言理解、語音合成性能等技術大幅提升，互聯網、移動互聯網的高速發展也為算法引擎提供了大量的數據“糧食”。在海量的數據紅利下，云端計算軟硬件系統的算力增長使其能夠快速處理海量數據，再加上邊緣計算的能力增強、功耗降低等因素，語音交互的“基礎設施”已逐漸成熟。因此，智能語音交互應用的興起也就順理成章。

　　然而，盡管語音識別在這幾年里得到迅速發展，但是目前業界聲稱的“語音識別準確度達到了90%以上”(Google在2017年6月聲稱已達到95%的準確率)其實是實驗室數據。“非純凈條件下”的現實生活里，這個準確率則降至50-70%，甚至更低。

　　智能語音產品從人到機器完成一次語音交互，需要經過四個主要的技術環節：語音前端處理、語音識別(ASR)、自然語言理解(NLP)以及語音合成(TTS)，即從聲音的拾取到轉換成文字，到理解其含義并作出反饋，再到將反饋說出。其中語音前端處理屬于客戶端，后三者則為云端。經過多年的技術積累，語音識別和語音合成已經獲得突破，基本可以滿足商用。而語音前端處理和自然語言理解依然是語音交互的核心瓶頸。

　　語音交互的技術鏈條

　　作為人機交互的最底層環節，語音前端處理包括回聲消除、聲源定向、語音降噪、語音打斷、語音喚醒的麥克風陣列，再通過麥克風陣列實現復雜噪聲環境下的拾音。目前仍然處于商業 初級應用階段，距離比較理想的體驗還有相當大的距離。比如以Siri為代表的近場語音識別要求必須是低噪聲、無混響、距離聲源很近的場景，用戶一定要對著手機 講話才能獲得符合近場語音識別要求的聲音信號，環境稍微嘈雜一點語音識別引擎就失靈了;而以智能音箱為代表的遠場語音識別場景下，依然存在誤喚醒，方言、童音識別不準以及聲源移動中的識別率低下等問題。

　　邱鋒海認為，目前智能音箱、智能耳機等產品的技術攻關主要還是在回聲消除、立體回聲消除、去混響、自適應波束形成(抗干擾)、前端信號處理+KWS等;而語音前端信號處理的算法同樣面臨許多挑戰，如單通道DNN語音增強、自噪聲抑制、多通道DNN語音增強等。同時，他也在演講最后留下了幾個開放性的問題：關于智能音箱的更少的麥克風組成的陣列(2個或者3個)，更低的計算功耗，更長的不插電待機時間，更靈活的喚醒詞訓練、生成等，藍牙音箱的智能化(需要本地命令識別)，人機交互是以智能音箱為核心的星型網絡結構還是各設備的分布式交互;關于智能耳機的尺寸更小，引入其他傳感器后各類型傳感器數據融合，更低功耗的喚醒、體驗更好的語音交互功能等。

　　據悉，目前在智能語音交互市場中，國內玩家主要分為傳統語音技術廠商、互聯網廠商，和新興的創業公司。其中大部分集中在語音識別(ASR)、自然語言理解(NLP)以及語音合成(TTS)等云端業務，這也是歸結于語音前端處理技術的人才稀缺與實戰項目較少、缺乏經驗累積等。與這些玩家相比，聲加科技更多著力于解決全場景下的語音前端處理，其強大的研發實力依托于中科院聲學所雄厚的人才和科研資源，研發人員均來自于中科院聲學所、清華大學、南京大學和中國科學技術大學等國內一流科研院所，核心團隊成員亦大多師出于中科院聲學所，平均在業界擁有超過十五年工作經驗。團隊此前已為國內多個巨頭企業的智能音箱、智能耳機等明星產品提供遠場麥陣模組設計方案、智能耳機麥陣算法、智能耳機模組等技術支持。

　　適用于多場景的多元化智能設備

　　“聲學樓”作為國內最為專業和盛大的電聲技術研討會之一，本次大會不僅再一次掀起了中國音頻技術交流的高潮，還在開幕當天上午由中國電子音響行業協會秘書長陳立新發布了《2018中國電子音響行業發展情況》(白皮書)，并邀請中科院聲學所李曉東教授、魅族聲學總監陳愛民、哈曼汽車電子全球研發中心揚聲器系統工程總監楊春洪、四川湖山電子高級工程師張康等業內專家分別對智能音箱行業、耳機行業、汽車車載音響行業、專業音響行業的白皮書進行介紹。值得一提的是，參與《中國智能音箱行業發展情況》主筆的李曉東教授不僅是邱鋒海和聲加科技數位成員在聲學所深造的導師，也是鼓勵其創業的前輩。

　　中科院聲學所李曉東教授、博導主題介紹《中國智能音箱行業發展情況》(2018版)編寫情況

　　成立于2005年的聲學樓是一個為聲學專業和電聲技術人員提供的專業技術和信息交流的開放性論壇。創辦以來已有超過十萬人來自世界各地的聲學工程師注冊會員，包括JBL、飛利浦、諾基亞、索尼、三星、松下、先鋒、恩智浦半導體、TYMPHANY、CELESTION等世界知名企業的工程師，都有會員加入。國內會員則來自各個單位及科研院所。會員中不乏頂尖高校的碩博士、博導教授和高層管理者。可以說，其論壇影響力在國內聲學領域絕無僅有。