打開“車窗”說亮話

許暉

大家沒有翻錯(cuò)《故事會(huì)》，這種看似小說才敢編的小概率故事，能登在《汽車之友》技術(shù)欄目上是有原因的。按照概率而言，哪怕屬于億分之一概率邊緣事件之中的邊緣事件，以地球上幾十億人作分母，也總會(huì)有人屬于100%中招的苦主。此前曾有媒體用情景劇視頻方式演繹過，壞人在車外喚醒智能車機(jī)打開車窗行兇。隨后不少作為測(cè)試對(duì)象的主流車型頃刻失守。這就意味著“邊緣事件”發(fā)生概率并不小，很有可能會(huì)成為行業(yè)安全隱患。在與來自于業(yè)內(nèi)主要語音識(shí)別提供商賽輪思以及星河智聯(lián)的工程師交談之后，我們先把結(jié)論放在前面說。車外語音開窗事件真不真？真;是否威脅到配備該功能的車輛？是;出現(xiàn)問題還有救么？有！至于真不真？是不是以及有沒有，正是科普的內(nèi)容。

作為如今大多數(shù)新車標(biāo)配功能，講述語音識(shí)別控制汽車功能前，咱們先了解“聲”這個(gè)物理術(shù)語。這種可通過介質(zhì)（空氣或固體、液體）傳播的玩意，物理學(xué)角度是由物體振動(dòng)產(chǎn)生的機(jī)械波。能被人（頻率在20Hz～20000Hz之間）或動(dòng)物聽覺器官所感知。最初發(fā)出振動(dòng)的物體叫聲源。人類對(duì)聲的利用多種多樣，譬如傳遞信息、反射定位，甚至傳遞能量。而從社會(huì)學(xué)角度，在人類萬千表達(dá)手段之中，“有聲語言”最重要，也是構(gòu)成社會(huì)交流的基礎(chǔ)。隨著科技發(fā)展，聲音已經(jīng)從人與人之間發(fā)展到人與機(jī)器之間的溝通交流。語音識(shí)別與控制技術(shù)正是由此發(fā)展而來。

“heySiri”應(yīng)該是不少人對(duì)語音識(shí)別的第一印象。當(dāng)智能設(shè)備成為個(gè)人無法離開的隨身用品時(shí)，實(shí)用軟件逐步成為被依賴對(duì)象。語音識(shí)別技術(shù)雖然發(fā)展迅速，但實(shí)際歷史不長，甚至連百年都不到。最早的語言識(shí)別技術(shù)起源于1952年的貝爾實(shí)驗(yàn)室那臺(tái)6英尺高自動(dòng)數(shù)字識(shí)別機(jī)“Audrey”，可識(shí)別數(shù)字0～9發(fā)音，且準(zhǔn)確度達(dá)90%以上。60年代計(jì)算機(jī)應(yīng)用推動(dòng)了語音識(shí)別技術(shù)發(fā)展;70年代語音識(shí)別領(lǐng)域取得突破性發(fā)展，線性預(yù)測(cè)編碼技術(shù)被成功應(yīng)用于語音識(shí)別，同一時(shí)期，統(tǒng)計(jì)方法開始被用以解決語音識(shí)別關(guān)鍵問題，這為接下來“非特定人大詞匯量連續(xù)語音識(shí)別技術(shù)”奠定重要的基礎(chǔ);80年代，連續(xù)語音識(shí)別成為研究重點(diǎn)之一。1988年李開復(fù)在美國卡內(nèi)基梅隆大學(xué)用VQ/HMM方法，實(shí)現(xiàn)了997詞的非特定人連續(xù)語音識(shí)別系統(tǒng)SPHINX。人工神經(jīng)網(wǎng)絡(luò)在語音識(shí)別中也得到成功應(yīng)用。

人與人之間溝通若不清晰，或許還能追問一句“啥玩意兒？你再說一遍”。可當(dāng)人與機(jī)器之間溝通出現(xiàn)類似情況就不好玩了。除非無聊至極，估計(jì)絕大多數(shù)人希望語音識(shí)別能在騰不出手的時(shí)候，給予迅速且準(zhǔn)確的回應(yīng)與執(zhí)行，而非閑聊或誤操作。語音識(shí)別的關(guān)鍵難點(diǎn)在于準(zhǔn)確率。僅為了撥打電話、編發(fā)信息以及查詢導(dǎo)航等基礎(chǔ)功能運(yùn)作，是難以滿足消費(fèi)者需求，真正讓現(xiàn)在車載語音商業(yè)落地的，是當(dāng)車輛控制權(quán)限逐步放寬情況下，通過語音識(shí)別功能更為便捷地控制更多需要自行操作的如娛樂系統(tǒng)、舒適系統(tǒng)等功能。減少行駛中分神操作的危險(xiǎn)。

車載語音識(shí)別是否安全？這個(gè)問題從前并不太受關(guān)注。畢竟所控制的功能基本屬于娛樂設(shè)備或者舒適調(diào)節(jié)這些艙內(nèi)控制。就算隨著可控制功能層級(jí)下放。車燈、雨刮器等也加入可控行列，對(duì)行駛中車輛整體安全并無妨礙。可萬沒想到控制車窗開合這項(xiàng)行駛中無害的功能，在停駛期間成為安防隱患。讓原本能短暫成為避難所的車艙，瞬間門戶大開。

有人認(rèn)為開篇的惡犬案例略扯，其實(shí)分析下來與網(wǎng)上歹人喊開車窗行兇如出一轍。除非是真空狀態(tài)，要不不論車輛隔音做得如何好，只要聲量足夠大，憑借空氣、固體車窗等介質(zhì)傳入車內(nèi)的語音指令，依然可由系統(tǒng)接收作出執(zhí)行。也就是說此安全隱患的確存在。安全對(duì)于車輛永無小事，這是所有與車相關(guān)企業(yè)的共識(shí)，再小的安全問題不能被輕視，無論如何也要解決掉的。

針對(duì)車輛語音識(shí)別安全，目前海內(nèi)外并沒有專門的法律法規(guī)以及具體指導(dǎo)，甚至連行業(yè)標(biāo)準(zhǔn)也僅僅在起草驗(yàn)證階段，但幾乎所有語音識(shí)別技術(shù)提供商均早已意識(shí)到該問題的存在。那么現(xiàn)有技術(shù)是否可以解決這個(gè)隱患？我們選擇與國際智能語音巨頭賽輪思，以及國內(nèi)人工智能新貴星河智聯(lián)的語音識(shí)別專家進(jìn)行了相關(guān)交流。先簡(jiǎn)單介紹一下兩家企業(yè)。目前為全球65家合作伙伴，提供超過70種語言技術(shù)的賽輪思，拆分于蘋果Siri語音技術(shù)供應(yīng)商N(yùn)uance的汽車業(yè)務(wù)團(tuán)隊(duì)，全球有超過4億臺(tái)汽車部署了賽輪思的語音技術(shù)。而星河智聯(lián)則由廣汽集團(tuán)、廣汽資本以及訊飛云創(chuàng)三方合資成立，訊飛云創(chuàng)背后是國內(nèi)語音巨頭科大訊飛。在車外語音控制車窗開啟事件上，雙方均一致認(rèn)為的確存在這個(gè)安全隱患，而在如何以技術(shù)解決該問題上，大家所給出的解決方案既有同類項(xiàng)，也有各自的創(chuàng)新方案。

復(fù)用車內(nèi)攝像頭檢測(cè)范圍內(nèi)唇形變化，判斷語音指令是否由駕駛員發(fā)出是其中一項(xiàng)。實(shí)際上，星河智聯(lián)的多模語音交互已經(jīng)成熟落地，唇音融合語音技術(shù)讓語音檢出精準(zhǔn)率從68%提升到95%，有效減少誤觸發(fā)。其優(yōu)點(diǎn)是對(duì)固定車主的主駕非常友好，但一定程度上限制了后排以及副駕乘客的多音區(qū)控制用戶體驗(yàn)。

也可以通過增加拾音麥克風(fēng)結(jié)合聲源定位技術(shù)進(jìn)行檢測(cè)。這種方式較為明顯的缺點(diǎn)在于受噪音干擾。雖然整體提升VAD門檻，但車內(nèi)邊緣位置的喚醒率指標(biāo)略差。車窗關(guān)閉情況下，車外喚醒夾雜環(huán)境噪音并非單點(diǎn)聲源，為此十分依賴算法對(duì)車內(nèi)外的區(qū)分能力。在這點(diǎn)上賽輪思提出了增加車外麥克風(fēng)的建議。這項(xiàng)在歐洲已經(jīng)被用作檢測(cè)來自于救護(hù)車、消防車等特殊聲響，提示讓行的功能，在與車內(nèi)系統(tǒng)結(jié)合之后能很有效識(shí)別指令發(fā)出來源。

其實(shí)筆者認(rèn)為攔在眾多車企面前的并不是技術(shù)問題，而是成本問題。在交流中不難發(fā)現(xiàn)，語音識(shí)別供應(yīng)商們?yōu)檐嚻笏峁┑姆桨福瑤缀醵继峤涣祟愃茊栴}的深度解決方案。可不論是增加傳感器還是進(jìn)一步優(yōu)化軟件，均涉及到整車成本的增加而已。既然問題已經(jīng)出現(xiàn)，返廠增加硬件以及重刷對(duì)應(yīng)軟件顯然并不現(xiàn)實(shí)，如何快速進(jìn)行補(bǔ)救是刻不容緩的事情。

更換系統(tǒng)喚醒詞的方式在工程師看來頂多算最快方案而不是最好方案，畢竟如果是熟人作案，依然存在有被猜中的幾率。更好的方式應(yīng)該是OTA升級(jí)車機(jī)系統(tǒng)。通過改變判斷當(dāng)前車速與車門主動(dòng)落鎖這兩種狀態(tài)以及增加二次確認(rèn)來解決問題。最簡(jiǎn)單的是當(dāng)車速小于一定程度，譬如5km/h的時(shí)候，語音喚醒功能只能通過按鍵觸發(fā)，默認(rèn)喚醒詞無效。稍微嚴(yán)謹(jǐn)一點(diǎn)則是對(duì)于語音開啟車窗的指令增加一個(gè)需要主駕點(diǎn)擊的彈窗確認(rèn)。更為嚴(yán)謹(jǐn)一點(diǎn)則是在此基礎(chǔ)上加入車門鎖狀態(tài)判定，若車門由車主主動(dòng)上鎖，俺么系統(tǒng)接收語音指令時(shí)增加需要點(diǎn)擊的二次確認(rèn)，否則不受限制。這些解決方式看似犧牲了部分用戶體驗(yàn)，可與增加了一份安全相比，應(yīng)該是當(dāng)下解決燃眉之急的最佳建議。

道高一尺魔高一丈，技術(shù)的發(fā)展有賴于待解決問題的發(fā)現(xiàn)，對(duì)于未來守護(hù)語音識(shí)別安全的技術(shù)會(huì)如何發(fā)展，其實(shí)也存在著不少解決方案。其中一種應(yīng)該屬于聲紋識(shí)別技術(shù)。所謂聲紋是用電聲學(xué)儀器顯示的攜帶言語信息的聲波頻譜。與指紋識(shí)別、人臉識(shí)別技術(shù)類似，聲紋識(shí)別也是生物特征識(shí)別技術(shù)的一種。該技術(shù)利用算法和神經(jīng)網(wǎng)絡(luò)模型，讓機(jī)器能夠從音頻信號(hào)中識(shí)別出不同人說話的聲音。聲紋雖然不像人臉、指紋的個(gè)體差異那樣直觀可見，但由于每個(gè)人的聲道、口腔和鼻腔也具有個(gè)體的差異性，因此反映到聲音上也具有差異性，所以每個(gè)人都擁有著自身獨(dú)特的聲紋。是否擔(dān)心口技演員那惟妙惟俏的模仿能力會(huì)成為該技術(shù)的軟肋？其實(shí)無需擔(dān)心，模仿得再像的聲音，頂多欺騙人耳，而對(duì)于由機(jī)器拾音所進(jìn)行的鑒定就無能為力了。事實(shí)上賽輪思最高等級(jí)的聲紋識(shí)別技術(shù)，已經(jīng)部署在銀行鑒權(quán)應(yīng)用之上。雖然成本頗高，但無懼使用者是否感冒鼻塞導(dǎo)致聲音變化的技術(shù)實(shí)力依然值回票價(jià)至于市面上不少智能音箱產(chǎn)品所引入的聲紋技術(shù)幾乎不涉及安全等級(jí)操作，成本與精度也能控制下來。這也解釋了為何鮮有與安防相關(guān)的，如門禁一類消費(fèi)電子產(chǎn)品使用聲紋技術(shù)，主要還是對(duì)于設(shè)備、分析系統(tǒng)以及鑒別軟件要求目前來說還相對(duì)較高。

星河智聯(lián)給出的另外一條可供研究技術(shù)路線同樣不錯(cuò)，讓語音識(shí)別技術(shù)與目前大熱的UWB超寬帶技術(shù)相結(jié)合。UWB超寬帶技術(shù)具有10cm范圍的精準(zhǔn)定位特性，倘若將語音識(shí)別功能鑒權(quán)模式交給UWB技術(shù)，讓系統(tǒng)得知聲音發(fā)生者的精確定位處于車輛何方，并決定是否進(jìn)一步執(zhí)行。另外一個(gè)好處在于，目前UWB技術(shù)被大量應(yīng)用于車輛數(shù)字化鑰匙上，語音識(shí)別鑒權(quán)需求的加入，方便UWB相關(guān)傳感器有效復(fù)用，并不會(huì)過多增加成本。更何況目前國內(nèi)涌現(xiàn)出如清研訊科這類專注于UWB技術(shù)的科技企業(yè)。強(qiáng)強(qiáng)聯(lián)手可能會(huì)有驚喜。

本文純屬解讀與科普，至于這個(gè)鍋到底該誰背并不在討論范圍，反正在我看來肯定不會(huì)是語音識(shí)別技術(shù)提供商的鍋。從破防的諸多車型基本屬于各家主流熱推的中端產(chǎn)品來看，這和與日俱增的新車研發(fā)速度，以及銷售壓力不無關(guān)系。主機(jī)廠們是時(shí)候放慢“彎道超越”的車速，用心完善問題所在。另外需要感謝首先以視頻形式發(fā)現(xiàn)問題的媒體。但也要建議那些隨后沒完沒了，嘩眾取寵，危言聳聽蹭流量的自媒體，你們讓人有點(diǎn)反感了。建議好好看書，多和工程師交流，以數(shù)據(jù)與技術(shù)為根基，助力中國汽車圈朝愈發(fā)完善的方向前行。