語音識(shí)別的案例
重磅 |《智能家電語音識(shí)別與交互技術(shù)白皮書》出爐
本白皮書通過對用戶需求、基礎(chǔ)技術(shù)需求和交互需求進(jìn)行研究分析，闡述了在產(chǎn)品聲學(xué)結(jié)構(gòu)設(shè)計(jì)、遠(yuǎn)場語音識(shí)別、分布式喚醒、降噪處理等方面
所面臨的挑戰(zhàn)
，并結(jié)合當(dāng)前智能語音技術(shù)解決方案的
能力現(xiàn)狀
，對前端處理、定向拾音、喚醒技術(shù)、標(biāo)準(zhǔn)和檢測等領(lǐng)域進(jìn)行了
研究分析
，同時(shí)對麥克風(fēng)系統(tǒng)設(shè)計(jì)、揚(yáng)聲器系統(tǒng)設(shè)計(jì)、電控系統(tǒng)設(shè)計(jì)分享了
實(shí)戰(zhàn)開發(fā)經(jīng)驗(yàn)
，為智能家電語音識(shí)別與交互技術(shù)質(zhì)量提升提供了
產(chǎn)業(yè)指引
。
點(diǎn)擊下圖，即可查看/下載白皮書
或手機(jī)掃描如下二維碼 ↓
Google發(fā)布最新「語音命令」數(shù)據(jù)集，可有效提高關(guān)鍵詞識(shí)別系統(tǒng)性能
這些約束意味著，關(guān)鍵詞識(shí)別的任務(wù)與一旦發(fā)現(xiàn)交互后在服務(wù)器上執(zhí)行的語音識(shí)別是完全不同的：
關(guān)鍵詞識(shí)別模型必須更小，所涉及的計(jì)算量更少。
它們需要以非常節(jié)能的方式運(yùn)行。
它們的大部分輸入是沉默或背景噪聲，而不是言語，所以誤報(bào)必須盡量減少。
大部分語音輸入與語音接口無關(guān)，因此模型不應(yīng)觸發(fā)任意語音。
識(shí)別的重要單位是單個(gè)單詞或短語，而不是整個(gè)句子。
這些差異意味著設(shè)備內(nèi)關(guān)鍵詞識(shí)別和一般語音識(shí)別模型之間的訓(xùn)練和評估過程是完全不同的。有一些有發(fā)展前景的數(shù)據(jù)集可以支持通用的語音任務(wù)，例如Mozilla的通用語音，但它們不容易適用于關(guān)鍵詞識(shí)別。
此語音命令數(shù)據(jù)集旨在滿足構(gòu)建和測試設(shè)備上模型的特殊需求，使模型作者能夠使用與其他模型相媲美的度量標(biāo)準(zhǔn)來演示其架構(gòu)的精確度，并為團(tuán)隊(duì)提供一種簡單的方法通過對相同數(shù)據(jù)進(jìn)行訓(xùn)練來重現(xiàn)基準(zhǔn)模型。希望這將加速進(jìn)展和協(xié)作，并提高可用模型的整體質(zhì)量。
第二個(gè)重要受眾是硬件制造商。通過使用密切反映產(chǎn)品需求的公開可用任務(wù)，芯片供應(yīng)商可以以潛在購買者易于比較的方式展示其產(chǎn)品的精確度和能源使用情況。這種增加的透明度應(yīng)該會(huì)導(dǎo)致硬件更好地滿足產(chǎn)品要求。這些模型還應(yīng)提供硬件工程師可用來優(yōu)化其芯片的清晰規(guī)范，并可能提出模型更改，以便提供更高效的實(shí)現(xiàn)。機(jī)器學(xué)習(xí)和硬件之間的這種協(xié)同設(shè)計(jì)可以是一個(gè)良性循環(huán)，在各個(gè)領(lǐng)域之間增加有用信息的流動(dòng)，而這對雙方都有幫助。
圖2：使用不同訓(xùn)練數(shù)據(jù)的Top-One精確度評估結(jié)果
該數(shù)據(jù)集的版本1于2017年8月3日發(fā)布，包含1,881位演講者的64,727條發(fā)言。使用V1訓(xùn)練數(shù)據(jù)對來自TensorFlow教程（基于卷積神經(jīng)網(wǎng)絡(luò)的小尺寸關(guān)鍵詞識(shí)別）中的默認(rèn)卷積模型進(jìn)行訓(xùn)練，當(dāng)對V1的測試集進(jìn)行評估時(shí)，TopOne得分為85.4％。
展開 Clinc合作福特 提供車載語音識(shí)別技術(shù)
據(jù)外媒報(bào)道，會(huì)話人工智能（AI）初創(chuàng)公司Clinc正與福特（Ford）合作，將為其提供語音識(shí)別技術(shù)。雙方在底特律車展（Detroit Auto Show）期間，在由Inforum舉辦的機(jī)器學(xué)習(xí)和未來車載技術(shù)座談會(huì)上宣布了此次合作。Clinc公司剛剛成立4年，總部位于美國密歇根州安阿伯市（Ann Arbor）。
據(jù)Clinc公司首席執(zhí)行官Jason Mars博士所說，該公司的汽車平臺(tái)于2018年9月推出，可讓乘客和駕駛員在福特網(wǎng)聯(lián)車實(shí)驗(yàn)室（Ford’s connected car lab）中使用自然語言控制汽車系統(tǒng)。乘客和駕駛員口頭提出要求，就可打開空調(diào)、調(diào)整續(xù)航控制、檢查燃油續(xù)航里程或是詢問是否有足夠的汽油到達(dá)特點(diǎn)地址。
Clinc的技術(shù)類似于蘋果的Siri或是谷歌助手（Google Assistant），會(huì)結(jié)合利用自然語言處理（NLP）引擎、機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)來理解人類語言。該公司表示，其技術(shù)能夠通過分析語音模式等數(shù)十種因素，提取上下文和意圖，此外，隨著時(shí)間推移，該技術(shù)還能通過吸收新經(jīng)驗(yàn)得以改進(jìn)提升。
在與福特合作之前，Clinc公司主要為土耳其最大的私人銀行???bank等大型金融機(jī)構(gòu)以及Bankjoy（為信用社和小型銀行提供移動(dòng)銀行應(yīng)用程序）等金融科技初創(chuàng)公司提供NLP解決方案。此外，該公司還參與了英特爾、IBM公司以及美國國家科學(xué)基金會(huì)（National Science Foundation）的研究項(xiàng)目，并于去年推出了一款面向免下車餐廳的產(chǎn)品。
2017年2月，Clinc公司在由Drive Capital 領(lǐng)投的A輪融資中籌集了63億美元（約合477億元人民幣），融資總額達(dá)75億美元（約合509億元人民幣）。
但是，Clinc不是唯一一家將語音識(shí)別技術(shù)引入汽車的公司。
展開 VoiceReco_語音合成及識(shí)別并通過虛擬按鍵驅(qū)動(dòng)游戲的較好實(shí)例 ￥30
該源碼是 語音閱讀文字的較好實(shí)例 的補(bǔ)充和擴(kuò)展，增加了語音識(shí)別，并將其轉(zhuǎn)換為虛擬鍵盤輸入而應(yīng)用到游戲中，是很不錯(cuò)的想法。
語音識(shí)別系列之脈沖神經(jīng)網(wǎng)絡(luò)特征工程
二、SNN-KWS/ASR特征工程
將SNN應(yīng)用于語音喚醒（Keyword Spotting, KWS）[1]甚或語音識(shí)別（Automatic Speech Recognition, ASR）[2]，首要問題即是如何將語音，或更廣一點(diǎn)，音頻轉(zhuǎn)換為神經(jīng)脈沖序列（后文將這種轉(zhuǎn)換簡稱為Audio2Spike），它隸屬SNN在音頻領(lǐng)域的特征工程，決定了SNN-KWS/ASR的性能上限。
（1）物理模型
文獻(xiàn)[1]中SNN-KWS使用的Audio2Spike轉(zhuǎn)換方法見文獻(xiàn)[3]，后者還附帶了Github代碼（以Python單元測試框架Unittest寫就）。該轉(zhuǎn)換方法對音頻至脈沖的生物過程建立物理模型，考慮了鼓管、前庭管、蝸孔、卵圓窗、圓窗的流體動(dòng)力學(xué)基底模型，將音頻（聲壓）數(shù)據(jù)轉(zhuǎn)化為基底膜在不同位置的運(yùn)動(dòng)速度數(shù)據(jù)，再由考慮了離子傳輸機(jī)制的毛細(xì)胞模型將運(yùn)動(dòng)速度數(shù)據(jù)轉(zhuǎn)換為神經(jīng)脈沖，最后由泄露積分發(fā)射（Leaky Integrate-and-Fire, LIF）神經(jīng)元模型完成鎖相。
注1：基底膜在耳蝸底窄而剛（對高頻響應(yīng)好），在耳蝸頂寬而柔（對低頻響應(yīng)好），此特性決定耳蝸實(shí)際上是一個(gè)分頻器，耳蝸各處毛細(xì)胞對不同頻率響應(yīng)能力不同，連接毛細(xì)胞的神經(jīng)纖維形成螺旋神經(jīng)節(jié)后有序地將音調(diào)拓?fù)溆诚瘢═onotopic map）轉(zhuǎn)繼到腦干中的耳蝸核。
注2：鎖相（Phase locking）是指毛細(xì)胞發(fā)射的神經(jīng)脈沖間隔，是該處最佳響應(yīng)頻率周期的整數(shù)倍，或說，毛細(xì)胞發(fā)射神經(jīng)脈沖的時(shí)刻，對應(yīng)聲波某個(gè)特定相位。由于動(dòng)作點(diǎn)位啟動(dòng)后存在不應(yīng)期，持續(xù)約0.1~1ms，所以鎖相現(xiàn)象一般存在于1kHz以下的聲波（否則上一個(gè)脈沖還沒結(jié)束，下一個(gè)還未能發(fā)射）。
展開 認(rèn)識(shí)學(xué)習(xí)聲紋識(shí)別到底是什么東西？如何應(yīng)用？
其實(shí)聲紋識(shí)別和語音識(shí)別在原理上是一樣的，都是通過對采集到的語音信號(hào)進(jìn)行分析和處理，提取相應(yīng)的特征或建立相應(yīng)的模型，然后據(jù)此做出判斷，屬于人工智能智能語音研究方向。但二者的根本目的，提取的特征、建立的模型是不一樣的。
語音識(shí)別的目的：識(shí)別語音的內(nèi)容。并以電腦自動(dòng)將人類的語音內(nèi)容轉(zhuǎn)換為相應(yīng)的文字或者執(zhí)行相關(guān)的指令，如語音輸入文字、智能音響等。
聲紋識(shí)別的目的：識(shí)別說話人的身份。又稱說話人識(shí)別，是生物識(shí)別技術(shù)的一種。
語義識(shí)別的目的：對語音識(shí)別出來的內(nèi)容進(jìn)行語義理解和糾正，比如同聲翻譯機(jī)。
目前，在智能語音領(lǐng)域，語音識(shí)別賽道各家水平差距不大，為了避免同質(zhì)化競爭，許多公司選擇從“聲紋識(shí)別”切入，也因此成為新的藍(lán)海市場。近期進(jìn)行的聲紋識(shí)別國際賽事-VoxSRC比賽上，包括IDLab、字節(jié)跳動(dòng)、昆山杜克大學(xué)、西北工業(yè)大學(xué)、思必馳、聯(lián)想集團(tuán)等國內(nèi)外高校、研究機(jī)構(gòu)和企業(yè)都來參加比賽。通過網(wǎng)上搜索也可以看到華為云、科大訊飛、騰訊云、國音智能、中科昊音、聲揚(yáng)科技、靈云等一批優(yōu)秀的聲紋識(shí)別企業(yè)。
聲紋識(shí)別應(yīng)用于哪些領(lǐng)域？
目前來說，聲紋識(shí)別技術(shù)在公安和金融領(lǐng)域比較受青睞。
公安領(lǐng)域：
聲紋識(shí)別可以用于重點(diǎn)人員布控、偵查破案、反電信欺詐、治安防控、司法鑒定、審訊室建設(shè)、網(wǎng)絡(luò)身份認(rèn)證等。
1)重點(diǎn)人員布控——建立重點(diǎn)人員聲紋數(shù)據(jù)庫，在110接警、重點(diǎn)區(qū)域范圍、重大活動(dòng)期間等，一旦發(fā)現(xiàn)重點(diǎn)人員、黑名單人員聲紋信息，即進(jìn)行預(yù)警，有效進(jìn)行事前預(yù)防。在建立重點(diǎn)人員聲紋數(shù)據(jù)庫時(shí)，需要先對聲紋進(jìn)行采集，目前在公安領(lǐng)域主要是標(biāo)準(zhǔn)聲紋采集。
2)偵查破案——利用聲紋識(shí)別技術(shù)海量篩查優(yōu)勢，進(jìn)行“案查人”、“人查案”、“案查案”與“人查人”等多種排查方式，縮小偵查范圍，提高辦案效率，公安領(lǐng)域要求聲紋數(shù)據(jù)庫的聲紋比對系統(tǒng)能夠提供1：N大庫檢索比對，同時(shí)要支持千萬庫容建設(shè)。
展開 關(guān)于神經(jīng)網(wǎng)絡(luò)的簡介
當(dāng)用戶對著Android手機(jī)發(fā)出語音指令之后，就會(huì)由神經(jīng)網(wǎng)絡(luò)算法來進(jìn)行處理，同樣是先由軟件挑出用戶語音中組成單詞的不同元音和輔音。然后由另外的軟件對挑出的信息進(jìn)行組合、分析，并進(jìn)行猜測，再給出新的信息。這條語音指令經(jīng)過分析的次數(shù)越多，系統(tǒng)得出的結(jié)論也就越接近于用戶的本來意思。
除了語音分辨準(zhǔn)確率大幅提高之外，語音系統(tǒng)還擁有學(xué)習(xí)的能力。在收集了用戶的語音信息之后，系統(tǒng)也會(huì)用更傾向于人類的聲音來反饋用戶的指令，而不是用機(jī)械的合成語音。也就是說，Android 4.1的語音系統(tǒng)的人機(jī)交互變得更為自然，用戶越來越不像是跟機(jī)器人對話。而且通過這個(gè)全新的語音系統(tǒng)，也有更多APP被開發(fā)了出來，豐富了應(yīng)用。更換算法之后，Android的語音識(shí)別率提升了25%。這在一定程度上緩解了現(xiàn)有的語音功能存在的語音系統(tǒng)學(xué)習(xí)能力差、語音識(shí)別能力不強(qiáng)以及機(jī)器合成語音太機(jī)械等問題。負(fù)責(zé)這個(gè)項(xiàng)目的科學(xué)家凡豪克表示，“這個(gè)項(xiàng)目在某種程度上讓我們感到驚喜，表明我們只需要改變下模式就能取得相當(dāng)大的改善。”
事實(shí)上要用神經(jīng)網(wǎng)絡(luò)的算法打造這樣一個(gè)語音系統(tǒng)并不是一件容易的事。首先是用Android系統(tǒng)收集了大量用戶的語音指令，然后將聲音頻譜進(jìn)行分解并送到谷歌的8臺(tái)專用服務(wù)器中。接下來就是分析這些海量的數(shù)據(jù)，擁有享譽(yù)業(yè)界的狄恩及其工程師團(tuán)隊(duì)的谷歌，非常擅長于進(jìn)行數(shù)據(jù)的處理工作。在分析這些樣本時(shí)，研究人員們確定了使用神經(jīng)網(wǎng)絡(luò)這種算法。對于每一種語言，谷歌可能都會(huì)構(gòu)建出數(shù)種工作模式，例如處理用英語發(fā)出搜索請求等。
盡管神經(jīng)網(wǎng)絡(luò)現(xiàn)在已經(jīng)被廣泛用于語音識(shí)別領(lǐng)域，但是其用途肯定不限于此。下一步，神經(jīng)網(wǎng)絡(luò)最有可能進(jìn)入圖像軟件領(lǐng)域。與分辨聲音的過程類似，神經(jīng)網(wǎng)絡(luò)在分析圖像時(shí)，每一層的圖像探測器會(huì)首先尋找圖像中的一些特征，例如圖像的邊緣。
展開 汽車AI智能語音101及其供應(yīng)鏈
小鵬:
小鵬的語音技術(shù)是和思必馳合作開發(fā)的，小鵬首先搭建起框架，語音識(shí)別過程中具體的語音喚醒、語音識(shí)別采用了思必馳的技術(shù)，一些基本功能如打電話、查天氣和語音合成等也是采用了思必馳的技術(shù)。而更為核心的語義解析、識(shí)別增強(qiáng)、語義抗噪、語義打斷、自然語言處理等功能則是小鵬自主研發(fā)，當(dāng)然以上語句為小鵬宣稱的但是你了解，其實(shí)小鵬采用了Cerence 以及科大訊飛的服務(wù)，可能是不同車型采用不同的方案，也可能是整合各方優(yōu)勢，例如ASR采用科大訊飛，TTS 采用Cerence。
小鵬的語音助手的處理和決策在本地和云端兩部分進(jìn)行，喚醒、車控這些基本的功能都會(huì)在本地進(jìn)行，更多需要計(jì)算能力的功能則會(huì)在云端進(jìn)行，在沒有聯(lián)網(wǎng)的情況下，會(huì)進(jìn)行網(wǎng)絡(luò)重連，一旦重連成功，會(huì)首先恢復(fù)云端計(jì)算。如果實(shí)在無法恢復(fù)網(wǎng)絡(luò)，導(dǎo)航和音樂等需要借助于云端的功能就無法實(shí)現(xiàn)，但對車輛的控制是可以實(shí)現(xiàn)。
上汽：
上汽的斑馬采用了達(dá)摩院提供的前端算法、喚醒，思必馳提供語音識(shí)別能力，科大訊飛提供 TTS 音色。
上汽的其他車系有采用Cerence的ASR以及其他服務(wù)因?yàn)樾枰獓H化，所以需要各種語音的ASR.
總的來講，主機(jī)廠智能語音主流趨勢是整合各方供應(yīng)商的語音引擎，建立自有語音平臺(tái)數(shù)據(jù)庫，支持第三方智能語音應(yīng)用生態(tài)。
AI智能車載語音的挑戰(zhàn)和未來
顯然AI智能語音是未來智能駕駛座艙的重中之重，猶如駕駛體系的自動(dòng)駕駛駕駛，拓展后是基于智能語音的應(yīng)用生態(tài)。
目前評價(jià)語音識(shí)別的指標(biāo)有：準(zhǔn)確率-語言喚醒，聲源定位，在線/離線識(shí)別率，語義理解率，連續(xù)對話理解，單句多任務(wù)理解。未來可能會(huì)有更多的聲音指紋，生態(tài)等。
展開 科技是怎么和豪華畫上等號(hào)的？
先看語音識(shí)別，這可是眾多車廠都在主打的“人工智能”亮點(diǎn)。然而，單純的語音指令識(shí)別，還真的不如沒有。機(jī)器聽不懂人話，自然人也不愿意跟車對話了。所以要想讓車載系統(tǒng)真正為人所用，還是需要車輛有真正的“智慧”，這需要大數(shù)據(jù)積累下的人工智能調(diào)校。寶馬在全新一代 X3
上配備了根據(jù)中文語言環(huán)境調(diào)校出的自然語音識(shí)別系統(tǒng)。注意，這句話有兩個(gè)重點(diǎn)：一個(gè)是中文語言環(huán)境，另外一個(gè)就是自然語音識(shí)別。這也就意味著，在全新一代的寶馬 X3
上，你可以直接按下語音識(shí)別按鈕，然后說一句“該加油了”，全新BMW
X3就能夠迅速為你找到附近的加油站；當(dāng)你正在開車卻想發(fā)送短信時(shí)，你可以直接陳述“給張三發(fā)短信，告訴他‘今晚一起吃飯’”，該系統(tǒng)便可自行寫好短信并且發(fā)送出去，猶如一位“坐在副駕的隱形私人助理”。
另外，為什么車載中控總是這么難用？這個(gè)問題估計(jì)不少人有同感。特斯拉推出大屏中控臺(tái)的時(shí)候，很多人以為諾基亞時(shí)代要被終結(jié)了，后來發(fā)現(xiàn)這塊大屏幕并沒有掀起時(shí)代的變革。不是說大屏不好，而是用戶需要什么樣的體驗(yàn)沒弄明白時(shí)，照著手機(jī)做車載系統(tǒng)，一定是失敗的。而對于大部分普通車主而言，買車時(shí)候加個(gè)大幾千升級(jí)個(gè)大屏，還不如買個(gè)手機(jī)支架。
想要讓車載系統(tǒng)如同手機(jī)一樣好用，還是需要跟進(jìn)司機(jī)的使用習(xí)慣對整個(gè)系統(tǒng)設(shè)計(jì)進(jìn)行特定的調(diào)整才行。我們都知道，如今的智能手機(jī)好用，是因?yàn)橹悄苁謾C(jī)通過觸屏這種介質(zhì)，讓你能直接看到什么就點(diǎn)什么。但是車載系統(tǒng)的使用場景就不太一樣的，中控屏幕與用戶之間的距離肯定沒有手機(jī)近，所以菜單和按鈕就需要做的更大，方便點(diǎn)選，并且還不能像手機(jī)一樣做系統(tǒng)后臺(tái)，因?yàn)槔龊笈_(tái)的動(dòng)作，勢必是要分散注意力的，所以讓車載系統(tǒng)便于操作，直觀，且拖動(dòng)流暢，是評判一個(gè)車載系統(tǒng)的幾個(gè)重要維度。
展開 AI智能音箱工作原理中應(yīng)用的數(shù)字功放芯片
AI智能音箱是一個(gè)音箱升級(jí)的產(chǎn)物，是家庭消費(fèi)者用語音進(jìn)行上網(wǎng)的一個(gè)工具，比如點(diǎn)播歌曲、上網(wǎng)購物，或是了解天氣預(yù)報(bào)，它也可以對智能家居設(shè)備進(jìn)行控制，比如打開窗簾、設(shè)置冰箱溫度、提前讓熱水器升溫等。
智能音箱的智能語音交互系統(tǒng)是實(shí)現(xiàn)其智能化的關(guān)鍵技術(shù)，智能語音交互系統(tǒng)需要具備：1）遠(yuǎn)場識(shí)別，2）喚醒詞喚醒，3）語音識(shí)別，4）語義理解。任何支持智能語音交互系統(tǒng)的設(shè)備都可以成為以語音作為媒介的控制中樞，因此除了智能音箱外，還可以運(yùn)用于汽車、手機(jī)、可穿戴設(shè)備。
智能音箱提供內(nèi)容和服務(wù)的工作原理：假設(shè)消費(fèi)者向智能音箱發(fā)出“查詢A到B的機(jī)票”的指令，智能音箱的語音交互系統(tǒng)通過語音算法本地處理單元和音頻解碼單元收集語音、降噪、識(shí)別喚醒詞、將語音信號(hào)轉(zhuǎn)為數(shù)字信號(hào)，之后將處理后的數(shù)字信號(hào)上傳至云端服務(wù)器，云端服務(wù)器將進(jìn)行語音數(shù)字編碼識(shí)別和語義理解，隨后通過調(diào)用機(jī)票預(yù)訂數(shù)據(jù)庫中的信息傳遞給智能音箱，智能音箱將上述數(shù)字信號(hào)通過音效單元還原為語音信號(hào)并播放出來。
智能音箱控制智能家居的工作原理：假設(shè)消費(fèi)者向智能音箱發(fā)出“關(guān)閉電燈”的指令，智能音箱通過語音收集、語音識(shí)別后將語音數(shù)字編碼通過云端服務(wù)器進(jìn)行語義理解，并將得到的信息回饋回到家庭路由器，通過路由器廣播這條控制指令，智能家居設(shè)備擁有各自唯一的IP號(hào)，智能家居能夠識(shí)別指令中是否涉及自身的IP號(hào)，最終電燈的插座識(shí)別完成后，完成關(guān)閉電燈的指令。
展開 科大訊飛：源于偶然讓機(jī)器開口說話
科大訊飛在語音合成、識(shí)別、評測，翻譯等領(lǐng)域都擁有全球領(lǐng)先的核心技術(shù)。
2005年至2018年，在全球最高水平的語音合成比賽Blizzard Challenge中，科大訊飛取得13連冠，同時(shí)科大訊飛各項(xiàng)關(guān)鍵指標(biāo)均名列第一。在國際機(jī)器翻譯評測IWSLT2014、NIST2015等大賽中科大訊飛連奪冠軍。
在過去6年中，科大訊飛的語音識(shí)別技術(shù)準(zhǔn)確率從60.2%提升到98%以上。語音技術(shù)上的優(yōu)勢為科大訊飛向人工智能發(fā)展，同時(shí)落地行業(yè)與應(yīng)用打下良好的根基。
訊飛在布局當(dāng)前的大數(shù)據(jù)人工智能的同時(shí)，也在關(guān)心人工智能發(fā)展的另一方面，即與人腦相結(jié)合，基于類腦計(jì)算，試圖找到人腦智能的奧秘，發(fā)現(xiàn)其中的智能動(dòng)力學(xué)，進(jìn)而真正讓機(jī)器具備像人一樣的智能，同時(shí)不受人腦物理空間的局限，以此來實(shí)現(xiàn)人工智能領(lǐng)域真正的突破。
訊飛翻譯機(jī)，出境游so easy
科大訊飛是真正把人工智能的應(yīng)用落地了。在2010年，科大訊飛開發(fā)了世界上第二個(gè)、中國第一個(gè)語音輸入法，僅次于谷歌，訊飛輸入法主打語音輸入，語音識(shí)別準(zhǔn)確率超98%，同時(shí)支持22種方言的語音輸入。
在2016年，科大訊飛發(fā)布了第一個(gè)智能終端產(chǎn)品訊飛翻譯機(jī)。
2018年4月又推出了訊飛翻譯機(jī)2.0，主打中文與33種語言實(shí)時(shí)互譯、方言翻譯和拍照翻譯，并獨(dú)家具備4G、Wi-Fi和離線翻譯模式。
翻譯機(jī)86%的用戶用于出境游。考慮到用戶可能不會(huì)使用標(biāo)準(zhǔn)普通話，訊飛翻譯機(jī)同時(shí)搭載了方言和帶方言口音非標(biāo)準(zhǔn)普通話的識(shí)別能力，目前已支持粵語、四川話、東北話、河南話四大方言。
方言種類還在持續(xù)增加中，并能根據(jù)用戶的不同使用場景與用詞習(xí)慣，準(zhǔn)確識(shí)別并給出最符合語境的翻譯結(jié)果，真正做到了落地實(shí)用。“可以說，訊飛翻譯機(jī)2.0是至今世界上銷量最好、好評度最高的手持式智能翻譯系統(tǒng)。”
展開 
淺談 MATLAB 語音與聲學(xué)應(yīng)用 附振動(dòng)力學(xué)基礎(chǔ)與MATLAB應(yīng)用下載
Ken Sutton，Yobe 總裁、CEO 兼聯(lián)合創(chuàng)始人
◆ ◆ ◆ ◆
簡要總結(jié)
對于拓展智能語音應(yīng)用，很重要的一方面就是聲源競爭的問題。
多個(gè)方向、多種來源、高噪聲環(huán)境下的場景，如何提取目標(biāo)信號(hào)，是進(jìn)行可靠語音識(shí)別的前提。
我們介紹了，基于麥克風(fēng)陣列波束成形的方法和基于深度學(xué)習(xí)的掩模估計(jì)的方法，下期我們會(huì)談?wù)勆疃葘W(xué)習(xí)的語音識(shí)別
下載地址：振動(dòng)力學(xué)基礎(chǔ)與MATLAB應(yīng)用
2-10 基于matlab的動(dòng)態(tài)時(shí)間歸整（DTW）算法 ￥35.9
以一個(gè)能識(shí)別數(shù)字0～9的語音識(shí)別系統(tǒng)的實(shí)現(xiàn)過程為例，闡述了基于DTW算法的特定人孤立詞語音識(shí)別的基本原理和關(guān)鍵技術(shù)。其中包括對語音端點(diǎn)檢測方法、特征參數(shù)計(jì)算方法和DTW算法實(shí)現(xiàn)。程序已調(diào)通，可直接運(yùn)行。</p><div contenteditable="false" width="100%"><figure class="figure-image" data-img="https://img.jishulink.com/202406/attachment/105d399d1adf4e78bb2c03197b7abd6b.png" style="text-align: center"><img src="https://img.jishulink.com/202406/attachment/105d399d1adf4e78bb2c03197b7abd6b.png"></figure></div><p><br></p>
展開 DSP和FPGA在汽車電子中的廣泛應(yīng)用
3.1基于DSP和FPGA的車用語音信號(hào)處理
汽車電子產(chǎn)品中的語音處理主要涉及到語音的數(shù)字化處理、語音編解碼、語音壓縮和語音識(shí)別。國外比較熱門的汽車電子產(chǎn)品之一就是語音識(shí)別系統(tǒng)，語音識(shí)別系統(tǒng)具有潛在的應(yīng)用前景，包括聲控電話、語音操作導(dǎo)航、聲控選擇廣播頻道、防盜語音鑒別等。例如，一種基于隱式馬可夫模型(HMM)的與講話人無關(guān)、100條指令識(shí)別的應(yīng)用，由文獻(xiàn)可知，那幺聲學(xué)HMM模型的大小將為。進(jìn)行包括輸入語音采樣的細(xì)分/開窗、MFCC提取、概率計(jì)算和Viterbi搜尋等適時(shí)處理，對DSP的運(yùn)算量要求一般為10000萬次乘加(MAC)運(yùn)算。對于連續(xù)語音信號(hào)的識(shí)別，則要求更好的數(shù)字信號(hào)處理速度和更大的存儲(chǔ)空間。
由于語音識(shí)別系統(tǒng)要對聲音進(jìn)行實(shí)時(shí)處理和采樣，需要大量的運(yùn)算，如果以它們20%的計(jì)算資源分配用于1000萬次MAC語音識(shí)別應(yīng)用，那么需要處理器能夠具有5000萬次MAC的能力。因此，必須采用DSP和FPGA才能完成其任務(wù)。DSP和FPGA的處理速度對語音信號(hào)處理應(yīng)用系統(tǒng)的復(fù)雜性和性能起著決定性作用，高速DSP和FPGA的實(shí)現(xiàn)可實(shí)現(xiàn)聲道自適應(yīng)和聲域自適應(yīng)等現(xiàn)代語音處理和識(shí)別技術(shù)。從理論上講，DSP和FPGA處理速度越快，汽車語音處理和識(shí)別產(chǎn)品的應(yīng)用性能就越好。
隨著應(yīng)用日益多樣化， DSP和FPGA演變成不再是一塊獨(dú)立的芯片，而變成了構(gòu)件內(nèi)核。這使得設(shè)計(jì)師能選擇合適的內(nèi)核和專用邏輯“膠結(jié)”在一起形成專用DSP和FPGA方案，以滿足信號(hào)處理的需要。目前，還出現(xiàn)把DSP核和ASIC微控制器集成在一起的芯片。汽車電子系統(tǒng)使用通用DSP和FPGA來實(shí)現(xiàn)語音合成，糾錯(cuò)編碼。而語音合成、語音壓縮與編碼是DSP最早和最廣泛的應(yīng)用，矢量編碼器用于將語音信號(hào)壓縮到有限帶寬的信道中。
展開 新能源汽車智能座艙耐久測試的技術(shù)要點(diǎn)
測試內(nèi)容包括：
單點(diǎn)/多點(diǎn)觸控耐久性
不同壓力等級(jí)下的響應(yīng)性能
高低溫環(huán)境下的顯示一致性
長期點(diǎn)亮下的像素衰減測試
2、語音識(shí)別系統(tǒng)測試
語音系統(tǒng)的耐久測試重點(diǎn)考察：
長時(shí)間語音指令識(shí)別穩(wěn)定性
噪聲環(huán)境下的識(shí)別準(zhǔn)確率
麥克風(fēng)陣列的耐久性能
語音喚醒成功率隨時(shí)間的變化
3、智能座椅系統(tǒng)測試
智能座椅的電機(jī)、加熱、通風(fēng)、按摩等功能需要進(jìn)行：
調(diào)節(jié)機(jī)構(gòu)循環(huán)耐久測試
加熱元件長時(shí)間工作穩(wěn)定性
振動(dòng)功能衰減測試
材質(zhì)耐磨性與老化測試
4、環(huán)境控制系統(tǒng)測試
智能溫控系統(tǒng)的測試包括：
壓縮機(jī)循環(huán)耐久性
傳感器精度長期穩(wěn)定性
出風(fēng)口調(diào)節(jié)機(jī)構(gòu)可靠性
空氣凈化系統(tǒng)效能持續(xù)性
5、整體系統(tǒng)集成測試
除了單個(gè)模塊的測試外，還需要進(jìn)行系統(tǒng)級(jí)測試：
多系統(tǒng)同時(shí)運(yùn)行的壓力測試
網(wǎng)絡(luò)通信穩(wěn)定性測試
軟件系統(tǒng)長時(shí)間運(yùn)行測試
電源管理系統(tǒng)的可靠性測試
北京沃華慧通測控技術(shù)有限公司：智能座艙耐久測試的專業(yè)伙伴
面對智能座艙耐久測試的 “高復(fù)雜度、高精準(zhǔn)度” 需求，北京沃華慧通測控技術(shù)有限公司打造了 “硬件設(shè)備 + 軟件平臺(tái) + 定制服務(wù)” 三位一體的解決方案，為車企與座艙供應(yīng)商提供全流程技術(shù)支持。在硬件測試設(shè)備方面，可對智能座艙硬件進(jìn)行全面的振動(dòng)耐久性測試。其高低溫試驗(yàn)箱具備快速升降溫能力，溫度均勻性好，能夠滿足高低溫測試對環(huán)境溫度的嚴(yán)格要求。在軟件測試工具方面，公司開發(fā)了智能化的自動(dòng)化測試平臺(tái)，可根據(jù)用戶需求定制測試腳本，實(shí)現(xiàn)對智能座艙軟件功能、性能的高效自動(dòng)化測試。
展開 