特別是智能音箱，最近兩年來(lái)發(fā)展迅猛，幾乎所有主流企業(yè)都是入局者，如華為音箱、小米音箱、騰訊音箱等等，因大企業(yè)的入局，讓國(guó)內(nèi)智能音箱領(lǐng)域競(jìng)爭(zhēng)更加殘酷。

或許北京聲智科技有限公司（以下簡(jiǎn)稱：聲智）會(huì)是一匹黑馬，因?yàn)槭忻嫔洗蠖鄶?shù)智能音箱，如小米、華為、騰訊等出品的智能音箱幾乎都是采用聲智的遠(yuǎn)程語(yǔ)音交互方案。

聲智戰(zhàn)略合伙人/副總裁李智勇說(shuō)：“聲智的強(qiáng)項(xiàng)在于遠(yuǎn)場(chǎng)語(yǔ)音交互能力，這也是華為、小米等與我們合作的原因，凡是和遠(yuǎn)場(chǎng)語(yǔ)音交互相關(guān)的部分，我們都是做的比較好的。”

對(duì)國(guó)內(nèi)機(jī)器人企業(yè)而言，聲智專業(yè)的遠(yuǎn)場(chǎng)語(yǔ)音交互技術(shù)或許可以提升機(jī)器人語(yǔ)音交互能力，特別是在復(fù)雜的商業(yè)場(chǎng)景里，語(yǔ)音交互可以得到更好的優(yōu)化。

1號(hào)機(jī)器人網(wǎng)記者：聲智有豐富的應(yīng)用案例基礎(chǔ)，你們的核心技術(shù)是體現(xiàn)在哪些方面？

李智勇：為了實(shí)現(xiàn)智能音箱的一次交互，核心技術(shù)有5點(diǎn)：

第一點(diǎn)是遠(yuǎn)場(chǎng)語(yǔ)音喚醒；第二點(diǎn)是麥克風(fēng)陣列；第三點(diǎn)是遠(yuǎn)場(chǎng)語(yǔ)音識(shí)別；第四點(diǎn)是我們經(jīng)常講的自然語(yǔ)言處理；第五點(diǎn)是語(yǔ)音合成和TTS。這五個(gè)流程是每次交互都會(huì)用到，另外就是輔助的一些技術(shù)點(diǎn)。

比如經(jīng)常說(shuō)的聲紋識(shí)別，你要區(qū)分每個(gè)講話的人是誰(shuí)？通話時(shí)通話的質(zhì)量高不高？等等還要根據(jù)不同使用場(chǎng)景來(lái)進(jìn)行優(yōu)化不同的技術(shù)和算法。

凡是和遠(yuǎn)場(chǎng)語(yǔ)音交互相關(guān)的部分，我們都是做的比較好的，現(xiàn)在市面上的主流智能音箱產(chǎn)品都是用我們的方案，如華為音箱、小米音箱、騰訊音箱等等。

另外，我們把各種復(fù)雜的技術(shù)整合在一套系統(tǒng)里，自主研發(fā)了遠(yuǎn)場(chǎng)智能交互系統(tǒng)SoundAI Azero，這樣對(duì)產(chǎn)品方而言，就更加省事。產(chǎn)品方只需要注重產(chǎn)品其它部分的開(kāi)發(fā)，如燈、按鍵等，然后搭載我們的SoundAI Azero系統(tǒng)就可以出產(chǎn)品了。對(duì)產(chǎn)品企業(yè)而言，與我們合作，可以大大節(jié)省產(chǎn)品開(kāi)發(fā)的周期。

1號(hào)機(jī)器人網(wǎng)記者：要想得到完美的語(yǔ)音識(shí)別產(chǎn)品，需要經(jīng)過(guò)多長(zhǎng)的時(shí)間訓(xùn)練？一般語(yǔ)音識(shí)別的訓(xùn)練過(guò)程是怎樣？

李智勇：語(yǔ)音識(shí)別訓(xùn)練與通常進(jìn)行深度學(xué)習(xí)訓(xùn)練是一樣的，首先有相應(yīng)的數(shù)據(jù)進(jìn)行標(biāo)注，然后調(diào)一些參數(shù)進(jìn)行訓(xùn)練，接下來(lái)看效果再進(jìn)一步調(diào)優(yōu)。

核心驅(qū)動(dòng)點(diǎn)有兩個(gè)，一個(gè)不是訓(xùn)練本身的時(shí)間，關(guān)鍵是數(shù)據(jù)，到底有多少數(shù)據(jù)？標(biāo)注精不精準(zhǔn)？另一個(gè)是訓(xùn)練本身，越往后發(fā)展，語(yǔ)音識(shí)別不能說(shuō)只做一套識(shí)別就能適用所有。真正能做到的是，在特定領(lǐng)域，數(shù)據(jù)影響權(quán)重，變得比模型權(quán)重更大一些。

1號(hào)機(jī)器人網(wǎng)記者：可否介紹一下你們的麥克風(fēng)陣列芯片？你們花了多久的時(shí)間進(jìn)行研發(fā)？這片芯片都集成了哪些技術(shù)？

李智勇：這不是大家經(jīng)常說(shuō)的芯片，我們研發(fā)這款芯片是AI聲學(xué)芯片，主要目的是讓市面上已有的產(chǎn)品可接入麥克風(fēng)陣列。

如市面上已有的電視機(jī)，很多不支持麥克風(fēng)陣列，現(xiàn)在有了這片芯片后，可以很容易支持麥克風(fēng)陣列。

隨著物聯(lián)網(wǎng)時(shí)代的到來(lái)，市面上很多IOT設(shè)備都會(huì)需要智能交互產(chǎn)品，而我們的芯片就是支撐已有產(chǎn)品很容易接入我們的遠(yuǎn)場(chǎng)語(yǔ)音交互系統(tǒng)SoundAI Azero。

1號(hào)機(jī)器人網(wǎng)記者：看官網(wǎng)介紹，你們的案例客戶有百度、騰訊、阿里、小米、華為等等，你們?yōu)樗麄兲峁┑氖窃鯓拥慕鉀Q方案？它們的產(chǎn)品相互之間會(huì)存在差異嗎？

李智勇：這些主流的產(chǎn)品，很多都是遠(yuǎn)場(chǎng)語(yǔ)音交互的設(shè)備，而我們的技術(shù)核心就體現(xiàn)在遠(yuǎn)場(chǎng)語(yǔ)音交互上，如遠(yuǎn)場(chǎng)語(yǔ)音喚醒、遠(yuǎn)場(chǎng)語(yǔ)音識(shí)別等。

不同客戶，它的產(chǎn)品側(cè)重點(diǎn)和特色不同，比如說(shuō)華為音箱，它把通話的功能也加進(jìn)來(lái)了，這是原來(lái)智能音箱所不具備的。還如騰訊王者榮耀機(jī)器人，從ID到整個(gè)產(chǎn)品的思路和通常的智能音箱也不同，所以它們產(chǎn)品相互之間還是存在差異的。

1號(hào)機(jī)器人網(wǎng)記者：現(xiàn)在市面上的兒童機(jī)器人種類繁多，針對(duì)兒童機(jī)器人，你們可以提供怎樣的解決方案？

李智勇：兒童機(jī)器人也是分兩部分：一部分是產(chǎn)品本身，如喚醒、降噪、麥克風(fēng)陣列等，語(yǔ)音交互能力跟智能音箱是相通的。我們?cè)谥悄芤粝漕I(lǐng)域的經(jīng)驗(yàn)可以移植到兒童機(jī)器人領(lǐng)域；另一部分是相比智能音箱，兒童機(jī)器人搭載的內(nèi)容是不一樣的。

我們?cè)趦和瘷C(jī)器人領(lǐng)域也有內(nèi)容服務(wù)資源，我們與第三方企業(yè)合作，把內(nèi)容服務(wù)接入到我們Sound Azero系統(tǒng)中來(lái)，現(xiàn)在在兒童機(jī)器人領(lǐng)域，我們可以提供一套比較完整的方案。

假設(shè)兒童機(jī)器人廠商，用我們的遠(yuǎn)場(chǎng)智能交互系統(tǒng)SoundAI Azero，他只需要選擇一個(gè)喚醒詞，再做一些基礎(chǔ)的集成工作就可以了。比如針對(duì)具體的場(chǎng)景做一些技能的調(diào)整，再把你自己特別想輸出的內(nèi)容，接到系統(tǒng)里就可以了。我們可以提供部分兒童內(nèi)容，但是更多技能端的擴(kuò)展內(nèi)容，兒童機(jī)器人企業(yè)也可以自己去尋找。

1號(hào)機(jī)器人網(wǎng)記者：目前已有不少大型商用機(jī)器人已經(jīng)落地到政務(wù)系統(tǒng)，如深圳出入境就有一臺(tái)機(jī)器人在服務(wù)，但是從現(xiàn)場(chǎng)體驗(yàn)來(lái)看，語(yǔ)音交互不是很理想，在商業(yè)噪雜的環(huán)境下，你們可以提供怎樣的解決方案？

李智勇：目前語(yǔ)音交互有兩個(gè)一大一小的瓶頸，大的瓶頸也是NLP當(dāng)前的技術(shù)瓶頸，目前語(yǔ)音識(shí)別沒(méi)辦法達(dá)到100%的準(zhǔn)確率；另外一個(gè)小的瓶頸就是在復(fù)雜環(huán)境下的遠(yuǎn)場(chǎng)降噪處理。

因?yàn)槊考夜旧瞄L(zhǎng)的地方不一樣，而遠(yuǎn)場(chǎng)語(yǔ)音交互是我們擅長(zhǎng)的，雖然，我們還沒(méi)有與商業(yè)機(jī)器人合作過(guò)，但是從我們的角度去看，語(yǔ)音交互是可以優(yōu)化的。

因?yàn)樵谏虉?chǎng)里，我們能解決智能音箱交互問(wèn)題，如果是商業(yè)機(jī)器人，就需要機(jī)器人企業(yè)與我們聯(lián)動(dòng)配合優(yōu)化，當(dāng)然，經(jīng)過(guò)一定周期的優(yōu)化過(guò)程，我們可以提升商業(yè)機(jī)器人在復(fù)雜環(huán)境中的語(yǔ)音交互能力，甚至提升一個(gè)量級(jí)。

1號(hào)機(jī)器人網(wǎng)記者：就語(yǔ)音技術(shù)來(lái)講，目前中國(guó)與西方國(guó)家是否存在技術(shù)差距？如果相互對(duì)比，西方技術(shù)的優(yōu)勢(shì)體現(xiàn)在哪里？國(guó)內(nèi)的企業(yè)技術(shù)優(yōu)勢(shì)又體現(xiàn)在哪里？

李智勇：從技術(shù)上講，目前中西方語(yǔ)音交互整體技術(shù)并沒(méi)有太大的差距，大家基本處于同一個(gè)水平線。當(dāng)然，類似亞馬遜等公司在語(yǔ)音識(shí)別領(lǐng)域精耕很長(zhǎng)時(shí)間，所以體驗(yàn)感會(huì)略好一些。

產(chǎn)品體驗(yàn)感并不是技術(shù)好了，體驗(yàn)就好了，它涉及很多的因素，如產(chǎn)品結(jié)構(gòu)設(shè)計(jì)、響應(yīng)速度、內(nèi)容多少等等，這個(gè)是需要時(shí)間打磨的，國(guó)內(nèi)很多語(yǔ)音企業(yè)都是2017年才出產(chǎn)品，發(fā)展也就兩年時(shí)間。

其實(shí)中西方語(yǔ)音企業(yè)是可以互補(bǔ)的，比如中文領(lǐng)域，國(guó)內(nèi)語(yǔ)音企業(yè)普遍做的比西方企業(yè)好，因?yàn)橹袊?guó)有大量語(yǔ)料、大量的數(shù)據(jù)，這是西方所不能比擬的。但是西方企業(yè)在英文領(lǐng)域精耕的很好，這是目前國(guó)內(nèi)語(yǔ)音企業(yè)薄弱的地方。

1號(hào)機(jī)器人網(wǎng)記者：最后一個(gè)問(wèn)題，從市場(chǎng)拓展的角度去講，目前你們的業(yè)務(wù)重心是放在哪幾個(gè)領(lǐng)域？你們是如何看待機(jī)器人這個(gè)市場(chǎng)？

李智勇：目前AIoT場(chǎng)景是很熱門，而且跑的也很快，各種品類都在崛起，如：電視、機(jī)頂盒、兒童機(jī)器人和故事機(jī)、汽車車聯(lián)網(wǎng)前裝后裝、白色家電等等，對(duì)我們來(lái)說(shuō)，當(dāng)前首先是智能音箱，屬于成長(zhǎng)最快的領(lǐng)域。

另外，從智能音箱延伸到其它產(chǎn)品，對(duì)我們來(lái)講，場(chǎng)景遷移的成本并沒(méi)有想象中的大，如延伸汽車領(lǐng)域、電視領(lǐng)域等等，我們目標(biāo)是覆蓋主流的通用產(chǎn)品領(lǐng)域，然后通過(guò)不同的技能來(lái)實(shí)現(xiàn)不同場(chǎng)景下不同的產(chǎn)品應(yīng)用去解決客戶的疑難雜癥。

對(duì)于機(jī)器人，從技術(shù)視角和商業(yè)視角去講：技術(shù)視角，機(jī)器人是眾多技術(shù)的融合結(jié)晶，人工智能技術(shù)越成熟，機(jī)器人最終落地也會(huì)更完美；從商業(yè)視角來(lái)講，現(xiàn)階段機(jī)器人需要往更多垂直領(lǐng)域去精耕，因?yàn)橥ㄓ脵C(jī)器人屬于未來(lái)的產(chǎn)品，目前暫不適合。