智能语音行业已经进入蓬勃发展的时代，随着智能设备的逐渐增多，用户对语音交互的需求越来越大。在AIoT时代，智能设备的自然语言交互能力成为与用户沟通的重要一环。当用户对智能设备产生需求并进行对话时，语音的唤醒和识别能力直接决定了用户对设备的好感度。
依托于小爱同学、小米多款智能设备，小米持续深耕语音技术，希望在智能家庭、智能车载等丰富的使用场景之下，更进一步解放对用户语音识别环境的条件限制，让用户体验更自然、更自由、无压力的语音交互方式，更好地理解用户意图，为用户提供极致的智能语音交互体验。
多通道端到端语音技术，让用户在“自由场景自由说”
目前，业内各家的近讲语音唤醒和识别能力已经达到了较高的水平，在近距离、安静的环境下，用户与智能设备的语音交互已经基本无障碍。然而，在强噪声干扰、强房间混响、说话距离远、设备自身播放音源等条件下，智能设备与用户进行连续地自然语音交互仍然具有挑战性。
如何让远场语音性能达到和近讲相近的水平，一直是困扰业界语音工程师的一大难题。鉴于此，小米语音团队的“多通道端到端语音技术”自研能力，取得比“传统多通道阵列增强模块加单通道语音技术”更好的性能。
为了在远场声音中更准确的识别出目标语音，传统多通道阵列增强技术会使用空间滤波或语音分离算法，但这些算法引入了较多先验假设，在一些不符合假设的场景下，性能会明显下降。另外，传统多通道阵列处理技术是由多个技术模块串联组成，多个麦克风的数据会被送入回声消除、降噪、去混响、寻向和波束形成等模块，几个模块单独进行优化，优化目标并不一致。
小米从2018年开始验证端到端语音唤醒和识别的思路，目标即从充满噪声、混响和回声的多个麦克风中直接学习语音特征，提升真实环境中的识别率和稳定性。经过一系列的校验，小米多通道端到端语音技术有三大明显优势。第一，端上的计算量变小，较之前减少了50%，缩短了所有的计算路径和时长；其次，端上的存储量变小，在原有的基础上大幅减少，减轻了存储压力；最后，“多通道端到端语音技术”直接用一个网络中的不同级去替代之前的多个模块，最后有一个一致的优化目标，避免误差的逐级传播。整个模型用一套神经网络表述，大幅减小系统设计复杂度，可以明显降低运算负荷。从大规模训练数据中习得的深度神经网络，比基于传统信号处理的方式，使用的先验假设少，可以涵盖更多的实际场景
从近讲到远场，小米自研技术拓宽了语音的想象力
据小米语音工程师介绍，尽管传统信号处理具有一些方面的不足，但是其能够较好地处理麦克风阵列信号的相位，利用物理学中朴素的法则“同向相加，异向相消”对不想要的信号分量进行抑制。因此，小米的多通道语音识别模型不仅采用了更先进的深度神经网络，也同时继承了传统信号处理理论对相位处理的精髓，将传统前端算法和深度神经网络的优势进行互补，也即将传统信号处理的概念进一步拓展，充分利用深度神经网络的非线性处理能力，提出一种全神经网络语音识别模型。
在语音识别大牛Daniel Povey加入小米后，小米的语音交互在原有的基础上更进一步。终于让多通道端到端语音方案性能超过了传统方案。经过数据测试，多通道端到端语音技术让远场语音识别性能相对提升了10%，使用户与智能设备的交互更加顺畅。
从3G时代，到4G时代，再到5G时代，智能语音交互也发生着巨大的变革。多通道端到端的语音技术不仅让用户交互方式更加自由，同时也降低了硬件的产品功耗。从近讲的唤醒识别到远场的唤醒识别，从单通道到多通道，小米自研语音技术旨在帮助用户在自由的场景下实现自由说的目标。未来，小米将智能语音技术落地至更多应用场景，不断突破自研技术，为用户提供更加极致的语音交互体验。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
