垂域大模型對(duì)深化智能空調(diào)語音自由說能力的研究

摘要：隨著對(duì)話式AI大模型ChatGPT等的出現(xiàn)，由通用大模型訓(xùn)練而成的垂域大模型使得智能空調(diào)的語音交互功能進(jìn)入全新的自由說賽道。用戶使用簡(jiǎn)單的日常交互語言就能實(shí)現(xiàn)對(duì)空調(diào)的控制或交互。本文通過研究垂域大模型的構(gòu)建、適用測(cè)試方法的選取以及對(duì)多款典型空調(diào)進(jìn)行對(duì)比測(cè)試，得到搭載垂域大模型的智能空調(diào)語音交互水平的明顯提升效果，找到并證實(shí)了實(shí)驗(yàn)室結(jié)果與用戶實(shí)際體驗(yàn)長(zhǎng)期不符的癥結(jié)所在。

Abstract： Withthe emergence ofconversational AIlarge modelslike ChatGPT，domain-specific large models trained from geeral large models have brought the voice interaction functionof smart airconditioners intoa brand-new free speech track，enabling users to control or interact with air conditioners using simple everyday language.This paper conducts research on the constructionof domain-specific large models and the selection ofapplicable testing methods， and makescomparative tests on multiple typical air conditioners，achieves a significant improvement in the voice interaction levelofsmart air conditioners equipped with domain-specific large models，and identifies and confirms the root cause of the long-term inconsistency between laboratory results and user actual experiences.

Keywords：vertical domain large model; smart air conditioners; free speech

0 引言

中有進(jìn)的發(fā)展趨勢(shì)，預(yù)計(jì)2025年零售量規(guī)模在6010萬臺(tái)，同比增長(zhǎng) 0.5% ，零售額規(guī)模在2184.5億元，同比增長(zhǎng) 5.5%^[1] 。在用戶需求漸趨多元化與個(gè)性化的奧維云網(wǎng)分析認(rèn)為，未來空調(diào)產(chǎn)業(yè)仍將保持穩(wěn)背景下，空調(diào)行業(yè)產(chǎn)品趨勢(shì)也逐漸多元化。消費(fèi)者不再只看重價(jià)格，而是更加關(guān)注空調(diào)產(chǎn)品的智能性等附加功能。語音交互是其中最具代表性功能之一，不僅能提高控制便捷性，更是用戶居家娛樂的助手，語音功能幾乎成為智能空調(diào)的標(biāo)配功能。隨著近幾年語音識(shí)別和自然語言處理技術(shù)的不斷進(jìn)步，語音自由說技術(shù)在空調(diào)行業(yè)的應(yīng)用更加成熟和可靠。隨著技術(shù)的普及和規(guī)?；a(chǎn)，語音控制模塊的成本不斷下降，更多空調(diào)產(chǎn)品能夠集成這一功能。但是空調(diào)語音功能面臨的難題是：指令機(jī)械化嚴(yán)重，用戶使用前的學(xué)習(xí)成本較高，或者老年人或小朋友等理解學(xué)習(xí)能力不足的人群較難真正使用空調(diào)語音交互功能。

在2022年11月30日，OpenAI公布了一個(gè)由GPT-3.5系列大語言模型（LargeLanguage Models，LLM）微調(diào)而成的全新對(duì)話式AI模型ChatGPT2之后，空調(diào)語音技術(shù)尋找到了新的突破方向一一垂域LLM。在通用領(lǐng)域大模型強(qiáng)大的交互能力基礎(chǔ)上，深度學(xué)習(xí)智能空調(diào)行業(yè)的領(lǐng)域知識(shí)，不斷用充實(shí)的空調(diào)知識(shí)庫訓(xùn)練通用LLM，最終形成專精度更高的垂域LLM。至此，空調(diào)語音交互技術(shù)的發(fā)展開始進(jìn)入“自由說”賽道的競(jìng)爭(zhēng)。

空調(diào)語音垂域大模型

要實(shí)現(xiàn)自由說的效果，不僅要求產(chǎn)品端能夠準(zhǔn)確識(shí)別標(biāo)準(zhǔn)的、固定的語音指令，更要求空調(diào)能準(zhǔn)確識(shí)別用戶日常式的語音指令，理解并合理化用戶需求，進(jìn)一步準(zhǔn)確執(zhí)行并反饋給用戶。垂域大模型的誕生為智能空調(diào)語音交互水平的進(jìn)一步深化提供了可能。

垂域大模型是大模型的一個(gè)分支。大模型是指擁有超大規(guī)模參數(shù)、復(fù)雜計(jì)算結(jié)構(gòu)的機(jī)器學(xué)習(xí)模型，分為通用大模型和垂域大模型[3]

首先，通用大模型的出現(xiàn)徹底改變了數(shù)據(jù)處理與分析方式，運(yùn)用深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)搭建網(wǎng)絡(luò)系統(tǒng)，能夠處理海量的數(shù)據(jù)，完成各種復(fù)雜任務(wù)[4-5]其中，生成式預(yù)訓(xùn)練轉(zhuǎn)換器（GenerativePretrainedTransformer，GPT）系列的大型語言模型（largeLanguageModel，LLM）由于對(duì)數(shù)據(jù)分析的高效性以及運(yùn)用自然語言描述的準(zhǔn)確性而備受矚目[。LLM的形成經(jīng)歷了幾個(gè)階段7-8]：

（1）1950—1990年小規(guī)模專家知識(shí)—統(tǒng)計(jì)模型;

（2）1990—2010年淺層機(jī)器學(xué)習(xí)；

（3）2010—2017年深度學(xué)習(xí)算法；

（4）2018—2023年預(yù)訓(xùn)練語言模型；

（5）2023—至今ChatGPT。

與通用大模型相比，垂域大模型立足企業(yè)所在垂直領(lǐng)域業(yè)務(wù)，用業(yè)務(wù)數(shù)據(jù)打造垂域大模型，在各自業(yè)務(wù)場(chǎng)景中實(shí)現(xiàn)降本增效。垂域大模型是以大語言模型為核心，在已有的大模型框架基礎(chǔ)上進(jìn)行預(yù)訓(xùn)練，通過導(dǎo)人空調(diào)專業(yè)領(lǐng)域知識(shí)作為模型預(yù)訓(xùn)練和微調(diào)基礎(chǔ)，優(yōu)化大模型領(lǐng)域知識(shí)調(diào)用，構(gòu)建空調(diào)專業(yè)領(lǐng)域的行業(yè)大模型。在大模型的基礎(chǔ)上實(shí)現(xiàn)閑談式的指令泛化，經(jīng)過垂域知識(shí)庫的訓(xùn)練后，實(shí)現(xiàn)對(duì)空調(diào)專業(yè)的控制。

構(gòu)建空調(diào)語音垂域LLM整體流程如圖1所示。

搭載垂域大模型能通過垂域優(yōu)化更精準(zhǔn)識(shí)別用戶日常指令，通過多輪對(duì)話、對(duì)上下文聯(lián)系理解增強(qiáng)語義理解，并且還能根據(jù)不同場(chǎng)景（如睡眠、回家）自動(dòng)調(diào)整空調(diào)模式，模型能學(xué)習(xí)用戶的使用偏好，自動(dòng)調(diào)整設(shè)置，提供個(gè)性化服務(wù)。

2 垂域大模型對(duì)智能空調(diào)語音識(shí)別效果的作用

2.1測(cè)試方法選取

為了研究垂域大模型對(duì)智能空調(diào)語音交互效果的作用，需要重點(diǎn)關(guān)注試驗(yàn)中語音指令內(nèi)容的表達(dá)方式，在選取試驗(yàn)方法時(shí)，對(duì)已有的標(biāo)準(zhǔn)方法進(jìn)行了匯總分析。

目前已發(fā)布實(shí)施的語音標(biāo)準(zhǔn)較多，但專注于智能家電語音交互測(cè)試方法的標(biāo)準(zhǔn)有限，且適用的不多。例如早在2007年發(fā)布實(shí)施的GB/T21023—2007《中文語音識(shí)別系統(tǒng)通用技術(shù)規(guī)范》是對(duì)各種帶有語音識(shí)別的電子系統(tǒng)的基本要求和測(cè)試規(guī)范。該標(biāo)準(zhǔn)僅對(duì)語料設(shè)計(jì)和測(cè)試方法提出指南性規(guī)范。家電產(chǎn)品不能完全適用。后續(xù)發(fā)布的GB/T36464.2—2018《信息技術(shù)智能語音交互系統(tǒng)第2部分：智能家居》，考慮了智能家居所處的具體環(huán)境，進(jìn)行了測(cè)試距離、背景噪聲等方面的細(xì)分規(guī)定，但依然未對(duì)測(cè)試用語料內(nèi)容進(jìn)行區(qū)分。2022年發(fā)布實(shí)施的GB/T41813.X—2022《信息技術(shù)智能語音交互測(cè)試第X部分》系列標(biāo)準(zhǔn)，在測(cè)試語料方面進(jìn)行了錄音人員、噪聲、語速的明確，但是同樣沒有涉及語料內(nèi)容方面的規(guī)定。以此類標(biāo)準(zhǔn)為檢測(cè)方法，很難有效識(shí)別垂域大模型為智能空調(diào)帶來的語音交互方面的提升。

圖1空調(diào)語音垂域大模型構(gòu)建流程圖

2023年由中家院研發(fā)并發(fā)布實(shí)施的CHCT-JSGF-204-2023《房間空氣調(diào)節(jié)器語音交互能力分級(jí)評(píng)價(jià)規(guī)范》，完全立足于智能空調(diào)的場(chǎng)景進(jìn)行設(shè)計(jì)語音交互的試驗(yàn)和評(píng)價(jià)，而且在語音識(shí)別準(zhǔn)確率等方面進(jìn)行定量要求的同時(shí)，還對(duì)測(cè)試用語料集內(nèi)容進(jìn)行等級(jí)劃分，完全符合本研究的目的。本研究采用該標(biāo)準(zhǔn)進(jìn)行試驗(yàn)。

2.2測(cè)試結(jié)果對(duì)比與分析

選取相同廠家、在市場(chǎng)上相同檔次的兩款空調(diào)產(chǎn)品，A款搭載垂域大模型，B款未搭載。依據(jù)標(biāo)準(zhǔn)中語料的5個(gè)等級(jí)進(jìn)行判定，A款語料采用L5等級(jí)語料（見表1），B款采用L3等級(jí)語料（見表2）內(nèi)容進(jìn)行測(cè)試，測(cè)試項(xiàng)目相同，測(cè)試結(jié)果對(duì)比如表3所示。

表1A款空調(diào)測(cè)試用語料示例

表2B款空調(diào)測(cè)試用語料示例

表3測(cè)試結(jié)果對(duì)比表

很明顯，從表1和表2兩款空調(diào)語料內(nèi)容示例來看，A款空調(diào)能用更接近日常用語的內(nèi)容與用戶交流，而B款空調(diào)能識(shí)別的語料內(nèi)容要求更機(jī)械化、標(biāo)準(zhǔn)化的表達(dá)。面對(duì)兩款空調(diào)的交互效果，用戶對(duì)A款空調(diào)的體驗(yàn)效果更順暢舒適。但從表3結(jié)果可以看出，如不對(duì)語料內(nèi)容進(jìn)行區(qū)分，兩款空調(diào)的測(cè)試結(jié)果得分相差無幾，甚至B款空調(diào)略有優(yōu)勢(shì)。分?jǐn)?shù)與用戶體驗(yàn)相悖的核心原因是未考慮語料內(nèi)容區(qū)分。對(duì)語料內(nèi)容按照自然程度進(jìn)行分級(jí)判定，A款空調(diào)支持的識(shí)別語料內(nèi)容處于L5級(jí)語料，B款為L(zhǎng)3級(jí)語料。故在相同得分率的情況下，A款空調(diào)語音交互等級(jí)為L(zhǎng)5，B款空調(diào)為L(zhǎng)3。這也順應(yīng)了用戶實(shí)際體驗(yàn)。

此外，還對(duì)另外兩款空調(diào)C（搭載垂域大模型）和D（未搭載）進(jìn)行測(cè)試。本次試驗(yàn)采用由中家院團(tuán)隊(duì)構(gòu)建的智能家電語音交互能力測(cè)試語料庫，導(dǎo)入“空調(diào)制冷模式”“空調(diào)開機(jī)”兩句標(biāo)準(zhǔn)指令，語料庫自動(dòng)輸出以此兩句為基礎(chǔ)的泛化語句數(shù)十句，用相同指令對(duì)C和D進(jìn)行測(cè)試，明顯得到差異化結(jié)果：C的得分率高達(dá) 90.3% ，D的得分率僅 75.9% 。

3結(jié)語

通過以上研究可以看出，搭載垂域大模型的空調(diào)在自然語言交互能力方面有了長(zhǎng)足進(jìn)步，能夠讓用戶用日常用語實(shí)現(xiàn)空調(diào)的控制和交互，不會(huì)再出現(xiàn)一句話反復(fù)調(diào)整表達(dá)，僅為了能符合空調(diào)識(shí)別的固定控制語句的情景，讓用戶實(shí)現(xiàn)了真正的“自由說”，切實(shí)解決了實(shí)驗(yàn)室測(cè)試結(jié)果與用戶實(shí)際體驗(yàn)效果長(zhǎng)期存在矛盾的問題。

參考文獻(xiàn)

[1]奧維云網(wǎng).2024年空調(diào)市場(chǎng)總結(jié)：產(chǎn)銷高歌猛進(jìn)后承壓，零售結(jié)構(gòu)升級(jí)中煥新機(jī)[EB/OL].（2015-01-16）[2025-02-25].https：//www.sohu.com/a/849710982_456936，2025-01-16.

[2]李偉，賈奇?zhèn)?，勞春峰，?基于垂域LLM和RAG的空調(diào)智能交互系統(tǒng)設(shè)計(jì)[C]//中國家用電器協(xié)會(huì).2024年中國家用電器技術(shù)大會(huì)論文集.北京：中國輕工業(yè)出版社.2024.

[3]中國經(jīng)濟(jì)網(wǎng).大模型加速人工智能產(chǎn)業(yè)應(yīng)用觀察.[EB/OL].（2024-12-03）[2025-02-26].https：//baijiahao.baidu.com/s？id=1817376515335047306.2024-12-03.

[4]羅錦釗，孫玉龍，錢增志，等.人工智能大模型綜述及展望[J].無線電工程，2023，53（11）：2461-2472.

[5]陳露，張思拓，俞凱.跨模態(tài)語言大模型：進(jìn)展及展望[J].中國科學(xué)基金，2023，37（5）：776-785.

[6]AlAMSYAH A，GIRAWAN N D. Improving ClothingProductQuality and Reducing WasteBased on ConsumerReview Using RoBERTa and BERTopic Language Model[J].Big Data and Cognitive Computing， 2O23， 7（4）： 168.

[7]NAVEED H， KHAN A U，QIU S， et al. A comprehensive overview of large language models[J].arXiv preprint arXiv：2307.06435，2023.

[8]林云志.基于垂域大模型的軌道交通智能化初探[J].電氣化鐵道.2024，35（6）：59-63.

[9]曹林.主攻“垂域大模型”，加快布局AI產(chǎn)業(yè)新賽道[N].青島日?qǐng)?bào)，2025-02-14（1）.

（責(zé)任編輯：張佩玉）