聲學(xué)前端技術(shù)獲突破 聲加科技重新定義智能語(yǔ)音時(shí)代

作為物聯(lián)網(wǎng)人工智能的入口，智能語(yǔ)音產(chǎn)品已成為全世界最有錢(qián)的科技巨頭們的必爭之地

  近日， GfK全國零售監測數據顯示：在剛剛過(guò)去的8月份，中國智能音箱出貨量45萬(wàn)部，盡管已經(jīng)超過(guò)2017同期一個(gè)季度的銷(xiāo)量，但第三季度國內智能音箱市場(chǎng)呈現下跌。而據GFK預測，第四季度智能音箱將伴隨“國慶”“雙十一”“雙十二”等節日促銷(xiāo)而爆發(fā)，最終實(shí)現全年900萬(wàn)部的出貨量，是去年的6倍。

    作為物聯(lián)網(wǎng)人工智能的入口，智能語(yǔ)音產(chǎn)品已成為全世界最有錢(qián)的科技巨頭們的必爭之地。據中國語(yǔ)音產(chǎn)業(yè)聯(lián)盟數據顯示，目前全球智能運營(yíng)市場(chǎng)規模已達到105億美元。隨著(zhù)個(gè)人及家庭用戶(hù)的多場(chǎng)景支持，各領(lǐng)域應用帶動(dòng)下的智能語(yǔ)音產(chǎn)業(yè)規模持續快速增長(cháng)，預計2018年全球智能語(yǔ)音市場(chǎng)規模將超過(guò)140億美元

    據聲加科技創(chuàng )始人兼CEO邱鋒海介紹，在萬(wàn)物互聯(lián)的今天，信息交互工具經(jīng)歷了物理手柄按鍵到鍵盤(pán)鼠標，到觸摸屏，再到麥克風(fēng)等語(yǔ)音設備的發(fā)展，終于將人類(lèi)最簡(jiǎn)單自然的交流方式——聽(tīng)和說(shuō)，隨處可見(jiàn)地應用到了日常工作和生活中。目前隨著(zhù)深度學(xué)習的引入以及在此基礎上派生的各類(lèi)模型的組合，語(yǔ)音識別準確率確實(shí)得到了大幅度提升，智能音頻設備也呈現出多樣化和日?；?。這些產(chǎn)品雖然大大普及了公眾對語(yǔ)音交互的認知和使用，但實(shí)際上由于真實(shí)場(chǎng)景使用下的復雜、不同設備體積限制對算力的要求等因素，語(yǔ)音產(chǎn)業(yè)的發(fā)展仍然受技術(shù)瓶頸的限制尚處在起步階段，業(yè)界依然共同面臨許多技術(shù)難題。

    據了解，智能語(yǔ)音產(chǎn)品完成一次人機交互，需要經(jīng)過(guò)四個(gè)主要技術(shù)環(huán)節：語(yǔ)音前端處理、語(yǔ)音識別、自然語(yǔ)言理解以及語(yǔ)音合成，即從聲音的拾取到轉換成文字，到理解其含義并作出反饋，再到將反饋說(shuō)出。經(jīng)過(guò)多年的技術(shù)積累，語(yǔ)音識別和語(yǔ)音合成已經(jīng)獲得突破，目前基本可以滿(mǎn)足商用。而語(yǔ)音前端處理和自然語(yǔ)言理解依然是語(yǔ)音交互的核心瓶頸。

    邱鋒海表示，雖然各項技術(shù)獨立發(fā)展，但從產(chǎn)品上無(wú)法割裂，同時(shí)需要在其它技術(shù)的配合下，才能形成完整鏈條具備市場(chǎng)化的終端產(chǎn)品。 目前的BAT、小米、京東、華為等巨頭企業(yè)，基本是從語(yǔ)音識別、語(yǔ)義理解應用后兩個(gè)環(huán)節切入。這主要源于語(yǔ)音識別算法開(kāi)源，技術(shù)相對普及，而巨頭們的海量數據和強大算力支撐有足夠的優(yōu)勢。但作為流程第一步的聲學(xué)前端處理產(chǎn)品，因為教育環(huán)境下人才的斷層和稀缺（此前工程類(lèi)項目多在科研院所）而有極高的技術(shù)門(mén)檻，因此，專(zhuān)注這個(gè)環(huán)節的企業(yè)基本集中在有中科大、聲學(xué)所、自動(dòng)化所等科研背景的初創(chuàng )企業(yè)中。

    聲加科技成立于今年年初，創(chuàng )始人兼CEO邱鋒海本科就讀于清華大學(xué)，碩士期間在中科院聲學(xué)所深造，畢業(yè)后長(cháng)期在聲學(xué)芯片企業(yè)工作，曾帶領(lǐng)20余人的研發(fā)團隊完成了世界級知名企業(yè)的音頻處理芯片算法部分的開(kāi)發(fā)，對聲學(xué)算法的工程實(shí)現、算法和芯片的結合等方面具有豐富的經(jīng)驗；CTO王之禹,中科院聲學(xué)所博士后，長(cháng)期從事語(yǔ)音信號處理和識別研究工作，實(shí)現多個(gè)科研項目的產(chǎn)業(yè)化，具有豐富的研發(fā)和企業(yè)合作經(jīng)驗；首席算法科學(xué)家鄭成詩(shī)，聲學(xué)所研究員，德國埃爾朗根-紐倫堡大學(xué)客座教授，長(cháng)期從事語(yǔ)音和音頻信號處理研究工作，曾作為項目負責人帶領(lǐng)團隊完成多個(gè)科研項目，并創(chuàng )新性地提出許多解決方案。

    其核心團隊成員大多師出聲學(xué)所同門(mén)，平均在業(yè)界擁有超過(guò)十五年工作經(jīng)驗，博士以上學(xué)歷人員占比80%以上。在公司成立以前，團隊已有為國內多個(gè)巨頭企業(yè)的智能音箱、智能耳機等明星產(chǎn)品提供遠場(chǎng)麥陣模組設計方案、智能耳機麥陣算法、智能耳機模組等實(shí)戰項目經(jīng)驗，完全具備市場(chǎng)化營(yíng)運能力。隨著(zhù)公司的成立，將逐漸嘗試將最先進(jìn)的技術(shù)應用在新產(chǎn)品上。目前，聲加科技的產(chǎn)品規劃分三個(gè)階段：第一步，為智能語(yǔ)音交互設備和通信設備提供語(yǔ)音前端處理算法。第二步，在之前工作的基礎上，推出語(yǔ)音處理專(zhuān)用芯片。第三步，則是在語(yǔ)音處理專(zhuān)用芯片的基礎上，開(kāi)發(fā)出各類(lèi)麥克風(fēng)陣列模組，給客戶(hù)提供語(yǔ)音前端處理的整體解決方案。當前第一階段的算法產(chǎn)品已經(jīng)通過(guò)了一些國內大廠(chǎng)的驗證，即將量產(chǎn)；芯片和模組產(chǎn)品也在快速推進(jìn)當中。同期與國內巨頭合作的二代產(chǎn)品也將在下半年陸續上市，將成為其瘋狂增長(cháng)的生態(tài)鏈中的重要一環(huán)。

    據邱鋒海和聲加團隊的恩師，我國空氣聲學(xué)領(lǐng)域著(zhù)名科學(xué)家、中國科學(xué)院聲學(xué)研究所研究員/博士生導師李曉東介紹，聲學(xué)前端技術(shù)在語(yǔ)音交互獲得突破之前，一直是冷門(mén)學(xué)科，學(xué)科設置非常少，全國每年畢業(yè)的博士總共不超過(guò)20人，每個(gè)博士最多也只專(zhuān)攻某一兩個(gè)細分的技術(shù)方向。而且聲學(xué)前端技術(shù)屬于應用類(lèi)學(xué)科，需要大量的課題、項目來(lái)積累，培養一個(gè)聲學(xué)方面的專(zhuān)業(yè)人才，往往需要四五年甚至更長(cháng)時(shí)間。因此，長(cháng)期以來(lái)，從事聲學(xué)前端處理技術(shù)的高端人才都集中在國家相關(guān)科研院所內。即使對于不差錢(qián)的巨頭們，組建一個(gè)有實(shí)力的聲學(xué)前端處理技術(shù)的團隊也并非易事。

    李曉東表示，盡管目前市場(chǎng)增勢良好，但現有聲學(xué)技術(shù)仍然處于商業(yè)初級應用階段，距離用戶(hù)滿(mǎn)意還有相當大的距離。比如以Siri為代表的近場(chǎng)語(yǔ)音識別要求必須是低噪聲、無(wú)混響、距離聲源很近的場(chǎng)景，用戶(hù)一定要對著(zhù)手機講話(huà)才能獲得符合近場(chǎng)語(yǔ)音識別要求的聲音信號，環(huán)境稍微嘈雜一點(diǎn)語(yǔ)音識別引擎就失靈了；而以智能音箱為代表的遠場(chǎng)語(yǔ)音識別場(chǎng)景下，依然存在誤喚醒，方言、童音識別不準以及聲源移動(dòng)中的識別率低下等問(wèn)題。這些限制都需要聲學(xué)前端處理技術(shù)不斷改善，實(shí)現噪聲抑制、混響去除、人聲干擾抑制、聲源測向、聲源跟蹤、陣列增益等功能，提升語(yǔ)音信號處理質(zhì)量，進(jìn)而提高各種環(huán)境下的語(yǔ)音識別率。這也是聲加團隊要致力突破的方向。

    據了解，此前聲加科技因其技術(shù)優(yōu)勢和人才儲備已獲得中科創(chuàng )星千萬(wàn)級和萬(wàn)魔聲學(xué)數百萬(wàn)級的天使輪融資；同時(shí)與萬(wàn)魔聲學(xué)成為戰略合作伙伴，二者會(huì )在智能音頻設備上持續聯(lián)創(chuàng )。隨著(zhù)產(chǎn)品的上市和進(jìn)一步研發(fā)的需要，目前聲加科技正在進(jìn)行下一輪融資。

    萬(wàn)魔聲學(xué)CTO黎懋紘透露，聲加科技提供的語(yǔ)音增強技術(shù)(ENC)，在導入產(chǎn)品后很短時(shí)間之內，便成功在各項指標上超越現有產(chǎn)品的水平。這不但幫助萬(wàn)魔在幾項熱點(diǎn)產(chǎn)品上迅速提升市占，也為聲加科技營(yíng)造了新創(chuàng )公司難得的聲勢和發(fā)展的動(dòng)能。同時(shí)他強調，除優(yōu)秀的技術(shù)實(shí)力之外，聲加科技核心團隊早已經(jīng)過(guò)多年的協(xié)作，志同道合、默契十足，是一支專(zhuān)業(yè)、熱情、高效、有凝聚力的隊伍。

    最后，邱鋒海從技術(shù)角度對行業(yè)表達出期望，“一直以來(lái)，人機交互充滿(mǎn)了想象，未來(lái)甚至可能和機器視覺(jué)、腦科學(xué)等融合，實(shí)現電影里的酷炫畫(huà)面。目前只有先解決語(yǔ)音識別的這些技術(shù)瓶頸，才能進(jìn)一步有所作為。”

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！