任國

摘要：在智能技術(shù)快速發(fā)展的背景下，智能音箱逐漸出現(xiàn)在人們生活中，并成為人們生活中較為重要的組成部分。智能音箱除了能帶來良好的音質(zhì)體驗(yàn)外，更具備語音交互等功能，人們通過發(fā)布指令即可開展相關(guān)工作，帶來愉悅體驗(yàn)。本文將對智能音箱展開分析和探討，闡述其關(guān)鍵技術(shù)及發(fā)展趨勢，以供參考。

關(guān)鍵詞：智能音箱;關(guān)鍵技術(shù);發(fā)展趨勢

智能音箱最早出現(xiàn)在2014年，亞馬遜發(fā)布的Echo智能音箱取得巨大成功。人們通過Echo可以用語音控制家電、購買商品、查詢咨詢等，之后隨著技術(shù)的完善，智能音箱功能愈加多樣，在不同領(lǐng)域中得到了廣泛的應(yīng)用。不過雖然現(xiàn)階段智能音箱的種類多樣，功能多樣，但技術(shù)上仍存在一些問題，期待專業(yè)人員對相關(guān)技術(shù)展開深層次的分析，完善技術(shù)體系，優(yōu)化其功能。

1 智能音箱概述

智能音箱是在傳統(tǒng)音箱基礎(chǔ)上通過融合智能化技術(shù)行成的新的音箱模式。智能音箱中融合了智能語音交互、提供內(nèi)容服務(wù)、互聯(lián)網(wǎng)服務(wù)等諸多功能，并引進(jìn)物聯(lián)網(wǎng)技術(shù)，實(shí)現(xiàn)與家居智能設(shè)備間的有效連接，增強(qiáng)管理和應(yīng)用的便利性。智能音箱能夠直接接受用戶的語音命令，快速識(shí)別語音指令，作出相應(yīng)動(dòng)作，同時(shí)還可以將指令執(zhí)行情況及設(shè)備運(yùn)轉(zhuǎn)狀態(tài)及時(shí)反饋給用戶，減少手動(dòng)操作。具體來說，智能音箱功能：一是在線音樂播放。用戶可說出想要聆聽的音樂名稱或音樂相關(guān)信息，智能音箱可快速識(shí)別語音指令，找到相關(guān)信息并完成播放，縮減手動(dòng)查找所消耗的時(shí)間，優(yōu)化服務(wù)質(zhì)量;二是語音交互功能。語音通話、網(wǎng)絡(luò)會(huì)議、兒童教育及老人陪伴等均是智能音箱現(xiàn)今具備的功能;三是個(gè)人管家。以指令完成鬧鐘設(shè)定、信息查詢、日程管理等;四是智能家居控制。借助物聯(lián)網(wǎng)連接智能家居設(shè)備，利用語音指令實(shí)現(xiàn)遠(yuǎn)程管控;五是生活服務(wù)。通過與手機(jī)的連接實(shí)現(xiàn)如訂餐、約車、充值、票務(wù)、物流查詢等服務(wù)。

2 智能音箱發(fā)展的總體情況

2.1人工智能技術(shù)推動(dòng)下，智能音箱將成為家居中樞系統(tǒng)

從現(xiàn)有的《智能硬件產(chǎn)業(yè)創(chuàng)新發(fā)展專項(xiàng)行動(dòng)（2016～2018年）》和《中國機(jī)器人產(chǎn)業(yè)發(fā)展規(guī)劃（2016～2020年）》等政策中可以看出，我國正在逐漸加大對人工智能技術(shù)的扶持力度，希望借助一系列政策措施，加強(qiáng)人工智能技術(shù)的研究，給予相關(guān)產(chǎn)業(yè)一定的資金補(bǔ)貼，調(diào)動(dòng)產(chǎn)業(yè)研究的積極性，提升人工智能水平。隨著人工智能技術(shù)及語音交互技術(shù)的融合發(fā)展，智能硬件的性能、功能也在逐漸完善，智能穿戴設(shè)備、虛擬現(xiàn)實(shí)技術(shù)、服務(wù)型機(jī)器人、智能音箱均是在該技術(shù)推動(dòng)下產(chǎn)生的新型產(chǎn)品，對人們生活及工作起到了重要作用。智能音箱的出現(xiàn)為人工智能及語音交互技術(shù)的發(fā)展帶來了新的助力，成為市場上較為流行的產(chǎn)品。

結(jié)合現(xiàn)有調(diào)查數(shù)據(jù)分析可知，我國自2019年后，智能家居發(fā)展規(guī)模已經(jīng)突破1950億元人民幣，在智能家居市場上活動(dòng)的用戶也已經(jīng)突破了4600萬人，且仍在呈現(xiàn)上升趨勢。隨著智能家居產(chǎn)品的發(fā)展，種類及功能更多樣，我們需加強(qiáng)管控，設(shè)置統(tǒng)一平臺(tái)，確保軟硬件的良好操控，發(fā)揮智能家居作用優(yōu)勢。

而智能音箱作為重要的連接和管理平臺(tái)，深受科技巨頭公司的關(guān)注。智能音箱作為語音交互載體，未來有望成為智能家居的控制中樞，掌握智能音箱便掌握了智能家居的入口。

2.2用戶分布較為集中

根據(jù)目前調(diào)研數(shù)據(jù)分析可知，智能音箱用戶多集中在一二線城市，其中以男性青年群體居多，這與城市人均收入水平及人們對新產(chǎn)品的了解和接受度有一定的關(guān)系。但在2018年上半年后期，三線及以下城市的用戶量有輕微上升，說明群眾對智能音箱的認(rèn)知度可能得到了提升。

2.3國內(nèi)智能音箱銷售情況

2014年末亞馬遜官網(wǎng)推出一款智能音箱Echo，打開了智能家居的市場大門。這款智能音箱一經(jīng)上市廣受人們好評，成為有條件業(yè)主爭相搶購的產(chǎn)品。第二年，京東等大企業(yè)聯(lián)手加大智能音箱的研究和出品，為智能音箱的發(fā)展提供了更多的支持。之后每年都會(huì)有企業(yè)進(jìn)行智能音箱產(chǎn)品的研發(fā)和售賣，智能音箱成為市場上最具代表性的電子產(chǎn)品。從2020年開始，中國智能音箱市場在經(jīng)歷野蠻生長后陷入低迷，年銷售3785萬臺(tái)，同比下降8.6%。2021年上半年，中國智能音箱市場銷量為1936萬臺(tái)，增幅為2.2%。

3 智能音箱關(guān)鍵技術(shù)

智能音箱一般流程為：自動(dòng)語音識(shí)別->內(nèi)部處理->內(nèi)容輸出。在這一系列過程中，所需技術(shù)以信號(hào)處理、語音喚醒、語音交互為主，下面就將對這些關(guān)鍵技術(shù)加以詳細(xì)說明。

3.1信號(hào)處理

信號(hào)處理是智能音箱喚醒的必要方式，在智能音箱工作中，麥列處于拾音狀態(tài)，信號(hào)處理功能是讓智能音箱在該狀態(tài)下，快速對語音指令加以識(shí)別和處理，如語音檢測、聲音降噪、聲源定位及指令傳輸?shù)?，從而?zhǔn)確判定指令語音，保證后續(xù)操作的順利實(shí)施。具體來說，在信號(hào)處理中，語音檢測能夠準(zhǔn)確判斷信號(hào)發(fā)生位置，通過回聲消除等技術(shù)處理，確定信號(hào)指令。聲音降噪是為了能清晰識(shí)別語音內(nèi)容，給出準(zhǔn)確的回應(yīng)。智能音箱在使用過程中，聲音信號(hào)的傳播過程會(huì)存在各種反射，延遲的語音疊加產(chǎn)生掩蔽效應(yīng)，這對語義識(shí)別是致命的障礙，降噪處理能降低不良因素的影響，促進(jìn)語義的準(zhǔn)確識(shí)別，所以降噪處理顯得極為必要。聲源定位是根據(jù)麥列確定指令者的位置，可用于方位燈的展示，增強(qiáng)交互效果，也可作為波束形成的前導(dǎo)任務(wù)，確定空間濾波參數(shù)。波束形成后利用空間濾波，將多路信號(hào)整合為一路，達(dá)到增強(qiáng)原始語音信號(hào)和抑制旁路信號(hào)的目的。

3.2語音喚醒

語音喚醒就是常用的關(guān)鍵詞檢測功能，通過語音內(nèi)容的識(shí)別了解闡述的關(guān)鍵詞，之后按照關(guān)鍵詞搜索相關(guān)信息。語音喚醒功能的發(fā)揮好壞與喚醒率、誤喚醒率之間有著緊密聯(lián)系。前者指的是在連續(xù)語音中關(guān)鍵詞的識(shí)別概率，通常以深度神經(jīng)網(wǎng)絡(luò)和隱馬爾科夫模型，或者長短時(shí)記憶網(wǎng)絡(luò)和全連接層分類模型這兩種方式處理。目前開源的喚醒方案可提供SDK，一般有在線和離線版本。國內(nèi)主要以科大訊飛為代表。網(wǎng)上也有多種開源的小型語音識(shí)別引擎，可實(shí)現(xiàn)單獨(dú)的語音喚醒功能，性能各異。

3.3語音交互

語音交互中涵蓋的技術(shù)內(nèi)容較多，如語言識(shí)別、語言理解、對話管理、語音生成等。其中語言識(shí)別不單是對傳輸語音指令的識(shí)別，還可以將語言轉(zhuǎn)化成問題展示出來。用戶在給出語音指令后，系統(tǒng)會(huì)將其轉(zhuǎn)化成文字后加以分析，了解操作要求，落實(shí)相關(guān)工作。隨著深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用、大數(shù)據(jù)的使用和云計(jì)算的普及，語音技術(shù)幾乎普及到人們的日常生活，如科大訊飛、阿里巴巴的AliGenie、喜馬拉雅的小雅等。語言理解是將傳輸語言轉(zhuǎn)化成計(jì)算機(jī)能夠理解的形式，智能音箱在接受到指令后，系統(tǒng)會(huì)先對指令予以識(shí)別，轉(zhuǎn)化到自身能夠理解的語言代碼，之后逐步確定指令要求及服務(wù)范圍，確定最終的操作意圖。

現(xiàn)階段語言理解多是以NPL算法實(shí)現(xiàn)的，能夠?qū)φZ言實(shí)行分詞處理、詞性標(biāo)注、快速識(shí)別和自動(dòng)文本轉(zhuǎn)換。對話管理對連續(xù)對話的交互極為重要，一般的解決辦法是將上輪對話解析的參數(shù)作為全局變量，帶入到下一輪對話，根據(jù)當(dāng)輪對話和一定條件來判斷是否保持在上一輪的領(lǐng)域，或是清空上下文。語言生成是讓系統(tǒng)具備人的表達(dá)和寫作功能，結(jié)合關(guān)鍵信息資料，通過一系列轉(zhuǎn)換流程生成最終的語言文本。語音生成功能能夠讓智能音箱按照人的要求定義和處理文本。常見的生成技術(shù)有參數(shù)合成、拼接合成這兩種，前者靈活性強(qiáng)、計(jì)算量小，但自然度差;后者較為接近人的發(fā)音，存儲(chǔ)資源相對較多，不過只能在線操作。

3.4其它技術(shù)

除上述技術(shù)外，智能音箱中還具備聲紋識(shí)別、人臉識(shí)別等技術(shù)，能夠借助聲音或人臉的識(shí)別展開相應(yīng)工作，順利啟動(dòng)特定任務(wù)模式。

4 智能音箱未來發(fā)展的難點(diǎn)和突破口

4.1應(yīng)用場景的多樣性待豐富

雖然智能音箱的出現(xiàn)為家居市場帶來新的機(jī)遇，其優(yōu)良的語音助手功能，使得智能音箱成為家居控制的中樞系統(tǒng)，但這一形式只局限于國外發(fā)達(dá)國家，我國受到智能家居普及速度等多方面因素的影響，國內(nèi)智能音箱只被當(dāng)做智能單品進(jìn)行銷售。家庭購買智能音箱主要是為幼兒播放睡前故事、童話故事;音樂播放多為在線音樂的聆聽，或播放廣播;語音助手則是開展天氣、周邊服務(wù)查詢等工作;智能家居是連接和控制內(nèi)部智能家居設(shè)備，以語音形式完成設(shè)備自動(dòng)化操控。國內(nèi)的應(yīng)用場景仍待豐富。

4.2用戶需求的滿足

從我國智能音箱市場的發(fā)展情況分析可知，目前參與智能音箱研究和生產(chǎn)的企業(yè)有很多，市場競爭壓力較大，一些企業(yè)為增強(qiáng)市場競爭力，往往會(huì)采取降低智能音箱價(jià)格的方式開展銷售，雖然智能音箱的整體價(jià)格普遍不高，但其性能質(zhì)量也有所限制。另外，人們對智能音箱的使用多以娛樂為主，只是將其作為一個(gè)較為新奇的玩具，以語音助手功能增強(qiáng)生活便利性，對于智能音箱的其他功能，則未予以應(yīng)用和重視。

不過隨著技術(shù)水平的提高及經(jīng)濟(jì)的發(fā)展，近年來，關(guān)于智能音箱的應(yīng)用，研究人員逐漸加大對用戶需求的重視力度。如隨著老齡化及留守兒童問題的加劇，智能音箱的應(yīng)用頻率也逐漸增多，越來越多的年輕人會(huì)利用智能音箱的設(shè)置解決老人和幼兒的生活問題，將其當(dāng)作陪伴工具，提高幼兒及老年人的生活水平，緩解年輕人的壓力。智能音箱可以成為父母的得力助手，根據(jù)兒童的性格、習(xí)慣、愛好等定制教育方案，有利于孩子的成長。智能音箱還可以在老人有需要的時(shí)候，與他們進(jìn)行智能對話，幫助老年人控制家電，與醫(yī)生遠(yuǎn)程連接，完成緊急呼救。

4.3形態(tài)創(chuàng)新與功能多樣化

當(dāng)前，智能音箱的生產(chǎn)需在原有基礎(chǔ)上針對不同用戶的具體需求展開個(gè)性化定制活動(dòng)，生產(chǎn)功能和形態(tài)更加多樣化的智能音箱，以滿足人們的不同需求。常見的智能音箱種類有：一是簡約型智能音箱，外形精簡、成本較低，但性能上卻不輸以往音箱，滿足部分用戶需求，如方糖、天貓精靈M11音箱等;二是移動(dòng)型智能音箱，小巧方便，能夠隨身攜帶，如小度音箱;三是屏幕型智能音箱，可直觀的將顯示內(nèi)容展示出來，加快事務(wù)處理速度，且在聯(lián)網(wǎng)狀態(tài)下可完成視頻語音通話、視頻會(huì)議等服務(wù)，如叮咚PLAY音箱。

4.4產(chǎn)品設(shè)計(jì)與質(zhì)量的提升

市面上的智能音箱同質(zhì)化現(xiàn)象越來越嚴(yán)重，如同樣的圓柱形外形，布滿音孔的音箱形狀，雖然企業(yè)有針對同質(zhì)化問題著力解決，但因?yàn)椴捎玫姆绞椒椒ㄈ鄙俳y(tǒng)一性和科學(xué)性，同質(zhì)化問題的解決效率低，無法在短時(shí)間內(nèi)有效改善這一情況。部分企業(yè)為改善企業(yè)形象，將重點(diǎn)放在產(chǎn)品技術(shù)和質(zhì)量上，雖然有獲得好的口碑，但因?yàn)橥庑蔚囊话慊?，產(chǎn)品在市場上的占比份額不高，無法達(dá)到銷售預(yù)期。

亞馬遜的智能音箱EchoSpot則相對獲得了較好評價(jià)，其以圓型設(shè)計(jì)，對傳統(tǒng)形狀展開創(chuàng)新，音箱占地空間較小，易于攜帶，且配備攝像識(shí)別功能，保證使用過程的安全性，受到大眾的一致好評。同時(shí)，該產(chǎn)品的軟件功能也有所突破，它能對用戶的模糊語音加以更加準(zhǔn)確的判斷，逐漸走出“人工智障”的迷局。技術(shù)和設(shè)計(jì)上的成功使得其在市場上具有較大的優(yōu)勢，再次鞏固了亞馬遜在智能音箱市場上的領(lǐng)先地位，推動(dòng)智能音箱行業(yè)發(fā)展。

4.5內(nèi)容與生態(tài)局限

內(nèi)容與生態(tài)間的獨(dú)立性是影響智能音箱發(fā)展的主要原因。如今很多企業(yè)在智能音箱生產(chǎn)中都有其獨(dú)立的生態(tài)系統(tǒng)體系，需要相應(yīng)的軟件才能加以操作，這導(dǎo)致音箱與其它程序之間存在膈膜，很多信息數(shù)據(jù)無法共享，用戶在使用中存在諸多不便。比如某用戶想使用騰訊的QQ音樂，但是亞馬遜的Echo可能無法支持，或者用戶擁有多個(gè)智能音箱，卻無法互聯(lián)，不得不掌握多種音箱的使用方法。對于內(nèi)容提供商來說，如果開發(fā)的產(chǎn)品支持多個(gè)生態(tài)鏈，肯定會(huì)提高產(chǎn)品的開發(fā)成本。這些因素大大地降低了用戶體驗(yàn)，對整個(gè)行業(yè)的發(fā)展帶來不利影響。

4.6技術(shù)瓶頸

智能音箱仍然受一些技術(shù)瓶頸牽制，如語音識(shí)別技術(shù)的不足，使智能音箱在語音指令識(shí)別上仍存在一定阻礙，無法準(zhǔn)確定位作業(yè)內(nèi)容，降低了使用的有效性。所以在未來發(fā)展中，需加強(qiáng)對語音識(shí)別、語義分析等技術(shù)展開研究探討，使語音交互越來越像人與人之間的自然互動(dòng)。

4.7技術(shù)融合

在未來智能音箱發(fā)展中，應(yīng)注重音箱與其它技術(shù)間的有機(jī)融合，以期更好的豐富智能音箱功能，增加使用率。未來的AI技術(shù)、網(wǎng)通技術(shù)、能源技術(shù)必然會(huì)更加強(qiáng)大和完善，期待未來的智能音箱能與更先進(jìn)的技術(shù)完美融合，變得更聰明、更快捷、更高效、更普及。

5 結(jié)束語

總之，智能音箱在現(xiàn)階段已得到較廣泛的應(yīng)用，不過可以預(yù)期其技術(shù)、性能以及市場有巨大提升空間。期待相關(guān)技術(shù)能不斷創(chuàng)新、功能不斷強(qiáng)大，為人類提供更多便捷和幫助，彰顯其便利性和智慧性，全面走進(jìn)人們的生活，服務(wù)大眾。

參考文獻(xiàn)

[1]卜旭，程允麗.智能音箱關(guān)鍵技術(shù)及發(fā)展趨勢研究[J].計(jì)算機(jī)產(chǎn)品與流通，2019，000（007）：141-141.

[2]李瑩，毛浩地，李晨，等.智能音箱產(chǎn)品及技術(shù)研究進(jìn)展[J].信息與電腦，2019，422（04）：144-145.