萬(wàn)物互聯(lián)，作為人類最自然、便捷的溝通方式，語(yǔ)音正成為所有智能設(shè)備至關(guān)重要的入口，但入口的關(guān)鍵——拾音，效果往往差強(qiáng)人意。就智能家居來(lái)說(shuō)，它們的拾音范圍多集中于近場(chǎng)環(huán)境，約為2-3米，且拾取效果欠佳，需多次喚醒。

如果把攝像機(jī)比作“眼睛”，拾音器便是“耳朵”。眼睛看到的圖像和耳朵聽(tīng)到的聲音組合構(gòu)成一個(gè)基本的影音記錄系統(tǒng)。然而這只靈活的耳朵在應(yīng)用過(guò)程中會(huì)受到諸如拾音距離、室內(nèi)混響、環(huán)境噪音等諸多因素的影響，這對(duì)拾音來(lái)說(shuō)是不小的挑戰(zhàn)。

如何真正“耳聽(tīng)八方”？深耕智能語(yǔ)音與人工智能領(lǐng)域多年的科大訊飛，近期推出了全新拾音品牌——諦聽(tīng)，在超小音量拾取和降噪方面再下一城。其實(shí)，訊飛在早前推出的訊飛錄音筆、智能鼠標(biāo)、阿爾法蛋等產(chǎn)品均涉及語(yǔ)音交互?；诋a(chǎn)品應(yīng)用的技術(shù)積累，這次在拾音領(lǐng)域發(fā)力深耕，令人欣喜。

據(jù)了解，科大訊飛諦聽(tīng)系列配備了32路麥克風(fēng)，主打全自動(dòng)聲源定位、自適應(yīng)波束形成和混響抑制技術(shù)以及基于深度學(xué)習(xí)的噪聲抑制和語(yǔ)音自動(dòng)增益調(diào)節(jié)算法，可實(shí)現(xiàn)室內(nèi)說(shuō)話人自動(dòng)定位、噪聲與混響抑制、音量自動(dòng)調(diào)節(jié)等功能，從而達(dá)到精準(zhǔn)拾音的目的。

自動(dòng)追蹤聲源，精準(zhǔn)拾取30分貝超小音量

近日，某科技博主的一支關(guān)于拾音器的評(píng)測(cè)視頻引發(fā)關(guān)注。視頻中，科大訊飛的諦聽(tīng)系列產(chǎn)品和德國(guó)森海塞爾、美國(guó)舒爾的同類產(chǎn)品“同臺(tái)競(jìng)技”，訊飛表現(xiàn)出彩。

在模擬30分貝人耳都無(wú)法聽(tīng)見(jiàn)的超小的音量環(huán)境下，森海塞爾拾音穩(wěn)定，內(nèi)容清晰，舒爾拾取的聲音小且難以分辨說(shuō)話內(nèi)容，訊飛諦聽(tīng)拾取的內(nèi)容清晰，且音質(zhì)聽(tīng)感較好的。

這主要由于科大訊飛采用了自主研發(fā)的全自動(dòng)聲源定位技術(shù)，只要有輕微的聲音，它便如聚光燈一樣迅速定位聲源，并對(duì)來(lái)自其他方位的混響和噪音進(jìn)行抑制。在實(shí)際應(yīng)用中，32個(gè)麥克風(fēng)組成的陣列可做到7×24小時(shí)全天候、全方位、無(wú)死角拾音，精準(zhǔn)拾取低至30分貝的超小音量。

眾所周知，聲音在傳播過(guò)程中會(huì)發(fā)生衰減，不同方位的聲源會(huì)導(dǎo)致所拾取語(yǔ)音音量和效果差異較大，全自動(dòng)聲源定位和自適應(yīng)波束形成技術(shù)還使得訊飛諦聽(tīng)在拾取運(yùn)動(dòng)的聲源方面表現(xiàn)出色。波束如同槍手槍擊獵物一樣，可自動(dòng)“瞄準(zhǔn)”運(yùn)動(dòng)的聲源方位。這意味著，對(duì)于那些仍需要預(yù)設(shè)和限制區(qū)域才能拾音的設(shè)備來(lái)說(shuō)，訊飛這是一大突破。不僅如此，通過(guò)對(duì)不同音量自動(dòng)調(diào)整，訊飛諦聽(tīng)使得拾取的聲音更符合人耳聽(tīng)覺(jué)效果。

攻克技術(shù)難點(diǎn)，諦聽(tīng)降噪能力驚人

聲學(xué)環(huán)境比想象中更為復(fù)雜，環(huán)境噪音、干擾噪音、電流噪音等噪聲與語(yǔ)音信號(hào)在時(shí)間和頻譜上常常相互交疊，再加上回波和混響的影響，想要捕捉相對(duì)純凈的語(yǔ)音非常困難。在評(píng)測(cè)視頻中，評(píng)測(cè)者分別模擬了環(huán)境噪音為70分貝和90分貝的情況，結(jié)果顯示即使是90分貝的極端噪音環(huán)境，諦聽(tīng)都抑制了噪音，對(duì)話內(nèi)容依舊清晰。

面對(duì)噪音這一挑戰(zhàn)，訊飛諦聽(tīng)依據(jù)時(shí)域、頻域和空域的信息，能有效增強(qiáng)語(yǔ)音并顯著抑制噪音對(duì)目標(biāo)語(yǔ)音的影響。它首先通過(guò)聲音定位技術(shù)拾取語(yǔ)音，進(jìn)行語(yǔ)音增強(qiáng)，實(shí)現(xiàn)初步的降噪效果。然后通過(guò)波束形成和基于深度學(xué)習(xí)的語(yǔ)音增強(qiáng)算法和對(duì)非方向性和方向性的噪聲進(jìn)行抑制，最后輸出時(shí)，對(duì)音量大小自動(dòng)增益并根據(jù)人耳的聽(tīng)覺(jué)特點(diǎn)優(yōu)化，使聲音更加飽滿。

核心語(yǔ)音技術(shù)驅(qū)動(dòng)發(fā)展，未來(lái)可賦能多場(chǎng)景

萬(wàn)物智聯(lián)的時(shí)代已然來(lái)臨，A.I.賦能IOT將激發(fā)無(wú)限可能，前端拾取的音質(zhì)高低無(wú)疑會(huì)為影響后期的語(yǔ)音處理的水平。

諦聽(tīng)系列產(chǎn)品，是科大訊飛21年來(lái)始終堅(jiān)持源頭核心技術(shù)自主創(chuàng)新的體現(xiàn)。憑借“中文語(yǔ)音技術(shù)應(yīng)由中國(guó)人做到最好”的信念，2018年至今，科大訊飛已獲得30項(xiàng)人工智能國(guó)際競(jìng)賽的冠軍，涵蓋語(yǔ)音識(shí)別、語(yǔ)音合成、機(jī)器閱讀理解、手勢(shì)識(shí)別、圖像識(shí)別等諸多領(lǐng)域。隨著一項(xiàng)項(xiàng)技大關(guān)術(shù)的突破，科大訊飛也為拾音器的多樣化應(yīng)用場(chǎng)景落地提供了強(qiáng)而有力的技術(shù)支撐。以往的拾音設(shè)備成本高、音質(zhì)差、指向性強(qiáng)，無(wú)法在大面積推廣，諦聽(tīng)的推出，或許將打破這一現(xiàn)象。

據(jù)悉，諦聽(tīng)系列產(chǎn)品未來(lái)可廣泛應(yīng)用安防、交通、高質(zhì)量會(huì)議等關(guān)鍵場(chǎng)所和重點(diǎn)部位，其實(shí)用性應(yīng)用而言，可以說(shuō)大有可為。以公共場(chǎng)所為例，以往的視頻大多無(wú)法精準(zhǔn)拾取聲音，音頻與視頻的有效結(jié)合，全向采集視聽(tīng)解決了單純視頻的圖像死角，有利于防止群體性和違規(guī)事件的發(fā)生，滿足更多現(xiàn)實(shí)的需求。

當(dāng)今世界正經(jīng)歷百年未有之大變局，而人工智能正是引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)，對(duì)于推動(dòng)社會(huì)生產(chǎn)力的整體躍升有著重大意義。劉慶峰不止一次表示，“只有占據(jù)核心技術(shù)的高點(diǎn)，才能在產(chǎn)業(yè)發(fā)展中贏得主動(dòng)，在國(guó)際競(jìng)爭(zhēng)中擁有話語(yǔ)權(quán)?！庇嶏w諦聽(tīng)或許正是其20多年專注于人工智能核心技術(shù)的最佳體現(xiàn)。

雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。