編輯導語：

隨著語音交互技術的日漸成熟，越來越多的智能硬件都選擇增加語音能力作為產品賣點之一。但是，設備在進入語音交互工作狀態的時候，需要先進行喚醒操作。

常見的喚醒語音交互的操作有按鍵或者觸屏形式，但是，為了進一步降低學習成本和操作復雜度，也有不少的智能硬件選擇通過語音喚醒的方式來激活交互功能。

本文將綜合對比市面上各家提供的語音喚醒技術相關指標，可以幫助你快速掌握語音喚醒技術的情況。

一、語音喚醒技術的相關核心指標

1、喚醒率

語音喚醒的主要目的既然是激活設備進入交互工作狀態，那么，喚醒率的高低就顯得額外重要了。理論上，最好的狀態就是我只要說一次喚醒詞，設備就能立即響應。不過，受說話人與設備距離、發音標準、噪聲等各種各樣的因素，實際工作中比較難達到次次響應的完美工作狀態。

一般來說，在近距離的安靜場景下，市面上的技術都能夠做到喚醒率在95%以上。

不過，消費者的實際使用場景是較復雜的，因此，需要模擬不同的應用場景進行實測，才能得到最后的喚醒率指標。

2、誤喚醒率

指設備被非喚醒詞喚醒的概率，誤喚醒率越高，效果越不好。

大家在日常生活中可能會經常碰到，放在家里的智能音箱，大晚上莫名其妙答一句“我在”，把人嚇個半死；還有如果家里用的智能電視，喚醒手機語音助手的時候，不是同一個喚醒詞，電視也會蹦出一句“我在”。

這就是典型的誤喚醒場景，一般用24小時被誤喚醒多少次來衡量。

3、響應時長

主要是指用戶說完喚醒詞后，設備給出反饋的耗時，一般越短越好。

而反饋的形式則比較多樣，可以通過語音應答響應、也可以通過亮屏或者指示燈閃爍響應。統計來看，如果是亮屏或者指示燈閃爍響應，控制在200ms以內用戶體驗較好；如果是語音應答響應，太快反而體驗不好，一般控制在500ms左右更佳。

4、功耗

主要是針對電池供電設備，理論上越低越好，這樣，設備的使用時長不會受到太大的影響。

因為喚醒的工作原理是會持續檢測聲音中是否包含喚醒詞的特定片段，所以，會持續耗電。

為了進一步降低功耗，部分產品也會采取DSP來完成語音喚醒，再通過AP層兜底的模式，保證喚醒和功耗的均衡。

總結：語音喚醒的技術指標，除了與算法相關之外，還與智能硬件的結構設計、芯片算力、使用場景等息息相關。最后的實際效果，則應以實際測試效果為準，參考下圖：

二、語音喚醒技術對比

該對比信息均從互聯網公開渠道獲取，相關信息來源于提供商官網公開信息，如其官網有更新，請以更新信息為準。（PS：百度搜索關鍵詞“語音喚醒”）

三、喚醒詞的區別

喚醒詞的定義實際是比較廣泛，至少包含了四種使用場景：品牌喚醒詞（如，小飛小飛）、離線命令詞（如，我要聽周杰倫的歌）、云端命令詞（如，我要聽周杰倫的歌）、免喚醒詞（如，下一首、暫停）。這些使用場景，實際上都是使用了喚醒詞的原理，只是喚醒后執行不同的動作。

四、語音喚醒項目實施要點

1、喚醒詞評估

大部分服務商都提供了喚醒詞評估服務，不過，有部分服務商對喚醒詞有一定的限制。因此，在選擇喚醒詞的時候，需要充分考慮品牌、發音特點、詞語等因素，綜合確定最終的喚醒詞。

2、確認測試環境和工具

以以往交付的喚醒項目來看，主要測試的環境包括：外噪場景測試、自噪場景測試、安靜場景測試和誤喚醒測試。

3、聲音采集

根據產品主要面向的使用人群，采集真人發音音頻。

示例：【某某投影儀音頻采集需求】

• 采集人數200人，總音頻2000句
• 男女比=1:1
• 一人10句
• 語速快：中：慢=1:3:1
• 年齡兒童：青年：中年=1:3:1
• 區域：北上廣深
• 普通話

4、測試音頻處理

包括去除破音的音頻、去除時長>1.7s的測試音頻、音頻幅度歸一化。

5、數據記錄表

根據實測結果，如實填寫表格中對應測試結果，完成項目驗收。

如果需要更深入地咨詢了解，可添加筆者V：HolaAI，詳細交流。

審核編輯：符乾江