探析智能音箱關鍵技術及發展趨勢

任國

摘要：在智能技術快速發展的背景下，智能音箱逐漸出現在人們生活中，并成為人們生活中較為重要的組成部分。智能音箱除了能帶來良好的音質體驗外，更具備語音交互等功能，人們通過發布指令即可開展相關工作，帶來愉悅體驗。本文將對智能音箱展開分析和探討，闡述其關鍵技術及發展趨勢，以供參考。

關鍵詞：智能音箱;關鍵技術;發展趨勢

智能音箱最早出現在2014年，亞馬遜發布的Echo智能音箱取得巨大成功。人們通過Echo可以用語音控制家電、購買商品、查詢咨詢等，之后隨著技術的完善，智能音箱功能愈加多樣，在不同領域中得到了廣泛的應用。不過雖然現階段智能音箱的種類多樣，功能多樣，但技術上仍存在一些問題，期待專業人員對相關技術展開深層次的分析，完善技術體系，優化其功能。

1 智能音箱概述

智能音箱是在傳統音箱基礎上通過融合智能化技術行成的新的音箱模式。智能音箱中融合了智能語音交互、提供內容服務、互聯網服務等諸多功能，并引進物聯網技術，實現與家居智能設備間的有效連接，增強管理和應用的便利性。智能音箱能夠直接接受用戶的語音命令，快速識別語音指令，作出相應動作，同時還可以將指令執行情況及設備運轉狀態及時反饋給用戶，減少手動操作。具體來說，智能音箱功能：一是在線音樂播放。用戶可說出想要聆聽的音樂名稱或音樂相關信息，智能音箱可快速識別語音指令，找到相關信息并完成播放，縮減手動查找所消耗的時間，優化服務質量;二是語音交互功能。語音通話、網絡會議、兒童教育及老人陪伴等均是智能音箱現今具備的功能;三是個人管家。以指令完成鬧鐘設定、信息查詢、日程管理等;四是智能家居控制。借助物聯網連接智能家居設備，利用語音指令實現遠程管控;五是生活服務。通過與手機的連接實現如訂餐、約車、充值、票務、物流查詢等服務。

2 智能音箱發展的總體情況

2.1人工智能技術推動下，智能音箱將成為家居中樞系統

從現有的《智能硬件產業創新發展專項行動（2016～2018年）》和《中國機器人產業發展規劃（2016～2020年）》等政策中可以看出，我國正在逐漸加大對人工智能技術的扶持力度，希望借助一系列政策措施，加強人工智能技術的研究，給予相關產業一定的資金補貼，調動產業研究的積極性，提升人工智能水平。隨著人工智能技術及語音交互技術的融合發展，智能硬件的性能、功能也在逐漸完善，智能穿戴設備、虛擬現實技術、服務型機器人、智能音箱均是在該技術推動下產生的新型產品，對人們生活及工作起到了重要作用。智能音箱的出現為人工智能及語音交互技術的發展帶來了新的助力，成為市場上較為流行的產品。

結合現有調查數據分析可知，我國自2019年后，智能家居發展規模已經突破1950億元人民幣，在智能家居市場上活動的用戶也已經突破了4600萬人，且仍在呈現上升趨勢。隨著智能家居產品的發展，種類及功能更多樣，我們需加強管控，設置統一平臺，確保軟硬件的良好操控，發揮智能家居作用優勢。

而智能音箱作為重要的連接和管理平臺，深受科技巨頭公司的關注。智能音箱作為語音交互載體，未來有望成為智能家居的控制中樞，掌握智能音箱便掌握了智能家居的入口。

2.2用戶分布較為集中

根據目前調研數據分析可知，智能音箱用戶多集中在一二線城市，其中以男性青年群體居多，這與城市人均收入水平及人們對新產品的了解和接受度有一定的關系。但在2018年上半年后期，三線及以下城市的用戶量有輕微上升，說明群眾對智能音箱的認知度可能得到了提升。

2.3國內智能音箱銷售情況

2014年末亞馬遜官網推出一款智能音箱Echo，打開了智能家居的市場大門。這款智能音箱一經上市廣受人們好評，成為有條件業主爭相搶購的產品。第二年，京東等大企業聯手加大智能音箱的研究和出品，為智能音箱的發展提供了更多的支持。之后每年都會有企業進行智能音箱產品的研發和售賣，智能音箱成為市場上最具代表性的電子產品。從2020年開始，中國智能音箱市場在經歷野蠻生長后陷入低迷，年銷售3785萬臺，同比下降8.6%。2021年上半年，中國智能音箱市場銷量為1936萬臺，增幅為2.2%。

3 智能音箱關鍵技術

智能音箱一般流程為：自動語音識別->內部處理->內容輸出。在這一系列過程中，所需技術以信號處理、語音喚醒、語音交互為主，下面就將對這些關鍵技術加以詳細說明。

3.1信號處理

信號處理是智能音箱喚醒的必要方式，在智能音箱工作中，麥列處于拾音狀態，信號處理功能是讓智能音箱在該狀態下，快速對語音指令加以識別和處理，如語音檢測、聲音降噪、聲源定位及指令傳輸等，從而準確判定指令語音，保證后續操作的順利實施。具體來說，在信號處理中，語音檢測能夠準確判斷信號發生位置，通過回聲消除等技術處理，確定信號指令。聲音降噪是為了能清晰識別語音內容，給出準確的回應。智能音箱在使用過程中，聲音信號的傳播過程會存在各種反射，延遲的語音疊加產生掩蔽效應，這對語義識別是致命的障礙，降噪處理能降低不良因素的影響，促進語義的準確識別，所以降噪處理顯得極為必要。聲源定位是根據麥列確定指令者的位置，可用于方位燈的展示，增強交互效果，也可作為波束形成的前導任務，確定空間濾波參數。波束形成后利用空間濾波，將多路信號整合為一路，達到增強原始語音信號和抑制旁路信號的目的。

3.2語音喚醒

語音喚醒就是常用的關鍵詞檢測功能，通過語音內容的識別了解闡述的關鍵詞，之后按照關鍵詞搜索相關信息。語音喚醒功能的發揮好壞與喚醒率、誤喚醒率之間有著緊密聯系。前者指的是在連續語音中關鍵詞的識別概率，通常以深度神經網絡和隱馬爾科夫模型，或者長短時記憶網絡和全連接層分類模型這兩種方式處理。目前開源的喚醒方案可提供SDK，一般有在線和離線版本。國內主要以科大訊飛為代表。網上也有多種開源的小型語音識別引擎，可實現單獨的語音喚醒功能，性能各異。

3.3語音交互

語音交互中涵蓋的技術內容較多，如語言識別、語言理解、對話管理、語音生成等。其中語言識別不單是對傳輸語音指令的識別，還可以將語言轉化成問題展示出來。用戶在給出語音指令后，系統會將其轉化成文字后加以分析，了解操作要求，落實相關工作。隨著深度神經網絡的應用、大數據的使用和云計算的普及，語音技術幾乎普及到人們的日常生活，如科大訊飛、阿里巴巴的AliGenie、喜馬拉雅的小雅等。語言理解是將傳輸語言轉化成計算機能夠理解的形式，智能音箱在接受到指令后，系統會先對指令予以識別，轉化到自身能夠理解的語言代碼，之后逐步確定指令要求及服務范圍，確定最終的操作意圖。

現階段語言理解多是以NPL算法實現的，能夠對語言實行分詞處理、詞性標注、快速識別和自動文本轉換。對話管理對連續對話的交互極為重要，一般的解決辦法是將上輪對話解析的參數作為全局變量，帶入到下一輪對話，根據當輪對話和一定條件來判斷是否保持在上一輪的領域，或是清空上下文。語言生成是讓系統具備人的表達和寫作功能，結合關鍵信息資料，通過一系列轉換流程生成最終的語言文本。語音生成功能能夠讓智能音箱按照人的要求定義和處理文本。常見的生成技術有參數合成、拼接合成這兩種，前者靈活性強、計算量小，但自然度差;后者較為接近人的發音，存儲資源相對較多，不過只能在線操作。

3.4其它技術

除上述技術外，智能音箱中還具備聲紋識別、人臉識別等技術，能夠借助聲音或人臉的識別展開相應工作，順利啟動特定任務模式。

4 智能音箱未來發展的難點和突破口

4.1應用場景的多樣性待豐富

雖然智能音箱的出現為家居市場帶來新的機遇，其優良的語音助手功能，使得智能音箱成為家居控制的中樞系統，但這一形式只局限于國外發達國家，我國受到智能家居普及速度等多方面因素的影響，國內智能音箱只被當做智能單品進行銷售。家庭購買智能音箱主要是為幼兒播放睡前故事、童話故事;音樂播放多為在線音樂的聆聽，或播放廣播;語音助手則是開展天氣、周邊服務查詢等工作;智能家居是連接和控制內部智能家居設備，以語音形式完成設備自動化操控。國內的應用場景仍待豐富。

4.2用戶需求的滿足

從我國智能音箱市場的發展情況分析可知，目前參與智能音箱研究和生產的企業有很多，市場競爭壓力較大，一些企業為增強市場競爭力，往往會采取降低智能音箱價格的方式開展銷售，雖然智能音箱的整體價格普遍不高，但其性能質量也有所限制。另外，人們對智能音箱的使用多以娛樂為主，只是將其作為一個較為新奇的玩具，以語音助手功能增強生活便利性，對于智能音箱的其他功能，則未予以應用和重視。

不過隨著技術水平的提高及經濟的發展，近年來，關于智能音箱的應用，研究人員逐漸加大對用戶需求的重視力度。如隨著老齡化及留守兒童問題的加劇，智能音箱的應用頻率也逐漸增多，越來越多的年輕人會利用智能音箱的設置解決老人和幼兒的生活問題，將其當作陪伴工具，提高幼兒及老年人的生活水平，緩解年輕人的壓力。智能音箱可以成為父母的得力助手，根據兒童的性格、習慣、愛好等定制教育方案，有利于孩子的成長。智能音箱還可以在老人有需要的時候，與他們進行智能對話，幫助老年人控制家電，與醫生遠程連接，完成緊急呼救。

4.3形態創新與功能多樣化

當前，智能音箱的生產需在原有基礎上針對不同用戶的具體需求展開個性化定制活動，生產功能和形態更加多樣化的智能音箱，以滿足人們的不同需求。常見的智能音箱種類有：一是簡約型智能音箱，外形精簡、成本較低，但性能上卻不輸以往音箱，滿足部分用戶需求，如方糖、天貓精靈M11音箱等;二是移動型智能音箱，小巧方便，能夠隨身攜帶，如小度音箱;三是屏幕型智能音箱，可直觀的將顯示內容展示出來，加快事務處理速度，且在聯網狀態下可完成視頻語音通話、視頻會議等服務，如叮咚PLAY音箱。

4.4產品設計與質量的提升

市面上的智能音箱同質化現象越來越嚴重，如同樣的圓柱形外形，布滿音孔的音箱形狀，雖然企業有針對同質化問題著力解決，但因為采用的方式方法缺少統一性和科學性，同質化問題的解決效率低，無法在短時間內有效改善這一情況。部分企業為改善企業形象，將重點放在產品技術和質量上，雖然有獲得好的口碑，但因為外形的一般化，產品在市場上的占比份額不高，無法達到銷售預期。

亞馬遜的智能音箱EchoSpot則相對獲得了較好評價，其以圓型設計，對傳統形狀展開創新，音箱占地空間較小，易于攜帶，且配備攝像識別功能，保證使用過程的安全性，受到大眾的一致好評。同時，該產品的軟件功能也有所突破，它能對用戶的模糊語音加以更加準確的判斷，逐漸走出“人工智障”的迷局。技術和設計上的成功使得其在市場上具有較大的優勢，再次鞏固了亞馬遜在智能音箱市場上的領先地位，推動智能音箱行業發展。

4.5內容與生態局限

內容與生態間的獨立性是影響智能音箱發展的主要原因。如今很多企業在智能音箱生產中都有其獨立的生態系統體系，需要相應的軟件才能加以操作，這導致音箱與其它程序之間存在膈膜，很多信息數據無法共享，用戶在使用中存在諸多不便。比如某用戶想使用騰訊的QQ音樂，但是亞馬遜的Echo可能無法支持，或者用戶擁有多個智能音箱，卻無法互聯，不得不掌握多種音箱的使用方法。對于內容提供商來說，如果開發的產品支持多個生態鏈，肯定會提高產品的開發成本。這些因素大大地降低了用戶體驗，對整個行業的發展帶來不利影響。

4.6技術瓶頸

智能音箱仍然受一些技術瓶頸牽制，如語音識別技術的不足，使智能音箱在語音指令識別上仍存在一定阻礙，無法準確定位作業內容，降低了使用的有效性。所以在未來發展中，需加強對語音識別、語義分析等技術展開研究探討，使語音交互越來越像人與人之間的自然互動。

4.7技術融合

在未來智能音箱發展中，應注重音箱與其它技術間的有機融合，以期更好的豐富智能音箱功能，增加使用率。未來的AI技術、網通技術、能源技術必然會更加強大和完善，期待未來的智能音箱能與更先進的技術完美融合，變得更聰明、更快捷、更高效、更普及。

5 結束語

總之，智能音箱在現階段已得到較廣泛的應用，不過可以預期其技術、性能以及市場有巨大提升空間。期待相關技術能不斷創新、功能不斷強大，為人類提供更多便捷和幫助，彰顯其便利性和智慧性，全面走進人們的生活，服務大眾。

參考文獻

[1]卜旭，程允麗.智能音箱關鍵技術及發展趨勢研究[J].計算機產品與流通，2019，000（007）：141-141.

[2]李瑩，毛浩地，李晨，等.智能音箱產品及技術研究進展[J].信息與電腦，2019，422（04）：144-145.