從近講到遠(yuǎn)場,小米自研語音技術(shù)讓用戶“自由場景自由說”
依托于小愛同學(xué)、小米多款智能設(shè)備,小米持續(xù)深耕語音技術(shù),希望在智能家庭、智能車載等豐富的使用場景之下,更進(jìn)一步解放對(duì)用戶語音識(shí)別環(huán)境的條件限制,讓用戶體驗(yàn)更自然、更自由、無壓力的語音交互方式,更好地理解用戶意圖,為用戶提供極致的智能語音交互體驗(yàn)。
多通道端到端語音技術(shù),讓用戶在“自由場景自由說”
目前,業(yè)內(nèi)各家的近講語音喚醒和識(shí)別能力已經(jīng)達(dá)到了較高的水平,在近距離、安靜的環(huán)境下,用戶與智能設(shè)備的語音交互已經(jīng)基本無障礙。然而,在強(qiáng)噪聲干擾、強(qiáng)房間混響、說話距離遠(yuǎn)、設(shè)備自身播放音源等條件下,智能設(shè)備與用戶進(jìn)行連續(xù)地自然語音交互仍然具有挑戰(zhàn)性。
如何讓遠(yuǎn)場語音性能達(dá)到和近講相近的水平,一直是困擾業(yè)界語音工程師的一大難題。鑒于此,小米語音團(tuán)隊(duì)的“多通道端到端語音技術(shù)”自研能力,取得比“傳統(tǒng)多通道陣列增強(qiáng)模塊加單通道語音技術(shù)”更好的性能。
為了在遠(yuǎn)場聲音中更準(zhǔn)確的識(shí)別出目標(biāo)語音,傳統(tǒng)多通道陣列增強(qiáng)技術(shù)會(huì)使用空間濾波或語音分離算法,但這些算法引入了較多先驗(yàn)假設(shè),在一些不符合假設(shè)的場景下,性能會(huì)明顯下降。另外,傳統(tǒng)多通道陣列處理技術(shù)是由多個(gè)技術(shù)模塊串聯(lián)組成,多個(gè)麥克風(fēng)的數(shù)據(jù)會(huì)被送入回聲消除、降噪、去混響、尋向和波束形成等模塊,幾個(gè)模塊單獨(dú)進(jìn)行優(yōu)化,優(yōu)化目標(biāo)并不一致。
小米從2018年開始驗(yàn)證端到端語音喚醒和識(shí)別的思路,目標(biāo)即從充滿噪聲、混響和回聲的多個(gè)麥克風(fēng)中直接學(xué)習(xí)語音特征,提升真實(shí)環(huán)境中的識(shí)別率和穩(wěn)定性。經(jīng)過一系列的校驗(yàn),小米多通道端到端語音技術(shù)有三大明顯優(yōu)勢。第一,端上的計(jì)算量變小,較之前減少了50%,縮短了所有的計(jì)算路徑和時(shí)長;其次,端上的存儲(chǔ)量變小,在原有的基礎(chǔ)上大幅減少,減輕了存儲(chǔ)壓力;最后,“多通道端到端語音技術(shù)”直接用一個(gè)網(wǎng)絡(luò)中的不同級(jí)去替代之前的多個(gè)模塊,最后有一個(gè)一致的優(yōu)化目標(biāo),避免誤差的逐級(jí)傳播。整個(gè)模型用一套神經(jīng)網(wǎng)絡(luò)表述,大幅減小系統(tǒng)設(shè)計(jì)復(fù)雜度,可以明顯降低運(yùn)算負(fù)荷。從大規(guī)模訓(xùn)練數(shù)據(jù)中習(xí)得的深度神經(jīng)網(wǎng)絡(luò),比基于傳統(tǒng)信號(hào)處理的方式,使用的先驗(yàn)假設(shè)少,可以涵蓋更多的實(shí)際場景。
從近講到遠(yuǎn)場,小米自研技術(shù)拓寬了語音的想象力
據(jù)小米語音工程師介紹,盡管傳統(tǒng)信號(hào)處理具有一些方面的不足,但是其能夠較好地處理麥克風(fēng)陣列信號(hào)的相位,利用物理學(xué)中樸素的法則“同向相加,異向相消”對(duì)不想要的信號(hào)分量進(jìn)行抑制。因此,小米的多通道語音識(shí)別模型不僅采用了更先進(jìn)的深度神經(jīng)網(wǎng)絡(luò),也同時(shí)繼承了傳統(tǒng)信號(hào)處理理論對(duì)相位處理的精髓,將傳統(tǒng)前端算法和深度神經(jīng)網(wǎng)絡(luò)的優(yōu)勢進(jìn)行互補(bǔ),也即將傳統(tǒng)信號(hào)處理的概念進(jìn)一步拓展,充分利用深度神經(jīng)網(wǎng)絡(luò)的非線性處理能力,提出一種全神經(jīng)網(wǎng)絡(luò)語音識(shí)別模型。
在語音識(shí)別大牛Daniel Povey加入小米后,小米的語音交互在原有的基礎(chǔ)上更進(jìn)一步。終于讓多通道端到端語音方案性能超過了傳統(tǒng)方案。經(jīng)過數(shù)據(jù)測試,多通道端到端語音技術(shù)讓遠(yuǎn)場語音識(shí)別性能相對(duì)提升了10%,使用戶與智能設(shè)備的交互更加順暢。
從3G時(shí)代,到4G時(shí)代,再到5G時(shí)代,智能語音交互也發(fā)生著巨大的變革。多通道端到端的語音技術(shù)不僅讓用戶交互方式更加自由,同時(shí)也降低了硬件的產(chǎn)品功耗。從近講的喚醒識(shí)別到遠(yuǎn)場的喚醒識(shí)別,從單通道到多通道,小米自研語音技術(shù)旨在幫助用戶在自由的場景下實(shí)現(xiàn)自由說的目標(biāo)。未來,小米將智能語音技術(shù)落地至更多應(yīng)用場景,不斷突破自研技術(shù),為用戶提供更加極致的語音交互體驗(yàn)。
網(wǎng)友評(píng)論
智能應(yīng)用排行
- 網(wǎng)易 UU 加速器完成鴻蒙原生應(yīng)用開發(fā),上線 HarmonyOS
- 蘋果官方認(rèn)可“越獄”術(shù)語:特殊版iPhone罕見現(xiàn)身 用于查找
- 京東11.11再次發(fā)力數(shù)字人:成本更低、直播流量傾斜,成電商
- 釘釘公布數(shù)據(jù):用戶數(shù)7億 軟件付費(fèi)企業(yè)數(shù)12萬
- AI大模型讓智慧交通“更聰明” 海信亮相2024世界人工智能大
- 沃爾瑪?shù)娜斯ぶ悄芰闶鄣暌严蚬婇_放
- 歐瑞博攜手南方科技大學(xué)打造智能新能源住宅技術(shù)聯(lián)合實(shí)驗(yàn)室
- 都是科技的狠活?2024中國國際消費(fèi)電子博覽會(huì)即將全新亮相
- 百度:智能云業(yè)務(wù)Q1營收47億元,生成式AI貢獻(xiàn)比例達(dá)6.9%
延伸閱讀
- 小米推出藍(lán)牙音箱小愛版 可一鍵喚醒小愛同學(xué)
- 智博會(huì)智能家居大比拼:海爾小米華為表現(xiàn)可期
- 打通地震預(yù)警最后一公里,小米和成都高新減災(zāi)所是如何破解世
- 小米10 5G手機(jī)全程助力首次8K超高清兩會(huì)直播
- 小米新功能首曝!手機(jī)筆記本傳文件從未如此方便
- 小米11 Pro拍照實(shí)力太逆天 或可替代單反相機(jī)
- 小米遠(yuǎn)距離無線充電專利獲授權(quán)
- 小米聯(lián)合德國電信首次實(shí)現(xiàn)5G VoNR通話
- 小米公開聲音充電專利 可利用環(huán)境聲給電子設(shè)備充電
- 小米“一指連”來了!首款支持UWB設(shè)備入網(wǎng):硬件級(jí)萬物互聯(lián)
最新智能應(yīng)用
- 京東11.11再次發(fā)力數(shù)字人:成本更低、直播流量傾
- 歐瑞博攜手南方科技大學(xué)打造智能新能源住宅技術(shù)聯(lián)
- 網(wǎng)易 UU 加速器完成鴻蒙原生應(yīng)用開發(fā),上線 H
- 都是科技的狠活?2024中國國際消費(fèi)電子博覽會(huì)即將
- 百度沈抖:百舸4.0升級(jí)發(fā)布,模型訓(xùn)練有效時(shí)長達(dá)
- 華為云發(fā)布AI原生云基礎(chǔ)設(shè)施架構(gòu)CloudMatrix,新
- 阿里CEO吳泳銘:AI算力需求滲透率已超50%,正主導(dǎo)
- 羅技發(fā)布 G PRO 2 LIGHTSPEED(GPW4 朱雀)
- 華為:將啟動(dòng)“鴻蒙生態(tài)伙伴及開發(fā)者見非凡體驗(yàn)計(jì)
- 華為運(yùn)動(dòng)健康發(fā)布玄璣感知系統(tǒng) 華為手表或?qū)⒅С?/a>