智能音箱漫談

首先請各位思考一下，除了聲音，人類還有其他隔山打牛的本領嗎？

之前我在很多文章里都講過，對於智能家居系統來講，手機APP控制僅僅是一個過渡，語音入口才是未來。拿到Amazon Echo後，我寫了文章《這就是未來》，果然，現在遍地開花的智能AI音箱已經印證了這一點。

其實這道理很簡單，人類要想控制智能家居系統，必然需要一個介面，而這個介面如果是人之外的設備，例如手機或者控制台，那麼人需要拿出手機或者走到控制台那裡，都不夠方便。如果這個介面不需要接觸，可以隔山打牛，那麼就會更方便一些。但是如何在不接觸的情況下獲取人類的想法等信息呢？我們可以思考一下，信息傳遞靠的是波，人能發出或者反射的可以傳遞信息的波不過就是紅外線、光線和聲波，當然，你要是天線寶寶發射腦電波那就得另外考慮了。探測人類發出的紅外線能夠檢測有無人員活動，但無法傳輸複雜信息；探測人類反射的光線可以通過手勢等實現交互和控制，但是光線波長短，衍射能力差，牽扯到方向性且容易被阻擋；唯有聲波這種機械波，波長足夠長，衍射能力強，方便發射接收，符合人類幾百萬年形成的自然語言的習慣。

所以基於自然語言的智能AI音箱迅速風靡也就不足為奇了。

「有點冷，幫我打開空調」，空調自動開啟；「來點輕鬆的音樂吧」，音樂緩緩飄過來；「來段相聲樂呵樂呵」，有趣的相聲就會來拯救無聊的你；「唉，我今天有點不高興呢。」AI就會陪你聊天說笑一直到你高興；「我要看電影，馮小剛導演的《芳華》」，家庭影院系統自動啟動，為你播放電影《芳華》；「我要睡覺了」，無關設備自動關閉，空調自動調整為睡眠模式，燈光緩緩熄滅，助你好夢。有了智能AI音箱，以上這些都是「一句話的事」。

了解一個東西，我們必須首先知道它的基本原理。

智能音箱的技術原理並不複雜。硬體上主要就是主控板、通訊組件、麥克風陣列、喇叭以及按鍵、燈光指示等等，硬體構成和普通手機、平板等產品類似，都是處理器、內存、Flash存儲、WiFi通訊晶元等這些通用的東西。所不同的就是智能音箱更專註於語音處理，麥克風更多，構成了陣列，音箱喇叭更多，音腔更大，音質更好而已。

從軟體來講，智能音箱對人類說出的自然語言進行處理，然後發出相應控制指令或者給出語音反饋。軟體主要包括：語音檢測（VAD）、降噪、喚醒、識別（ASR）、理解（NLU）、產生語言（NLG）、合成語音（TTS）這幾個過程。

語音檢測用於判斷是否有人類的語言，如果檢測到人類語言，那就對這部分信號進行降噪（包括回聲消除AEC、聲源定位DOA、波束形成BF）處理，然後識別其中是否有喚醒詞，如果沒有則丟棄，如果有，則進入交互狀態。交互狀態主要包括識別（ASR）、理解（NLU）、產生語言（NLG）、語音合成（TTS）這幾個部分。其中識別（ASR）和理解（NLU）主要依靠雲服務，也就是智能音箱將這部分語音信號處理後發送給後台雲服務，然後進行識別，識別後的語音信號就變成了字和詞，對這些字和詞進行分析識別，就理解了用戶的意圖。理解意圖後就可以發送一些控制信號、搜索相關信息、查找相關內容，然後產生應答的語言，再通過語音合成變成自然語言由智能音箱的喇叭輸出，如此完成交互過程。

明白了原理，我們就可以分析一下市場上的這些智能音箱產品了。語音不同於其他，Echo足夠優秀，但是國內使用它的人並不多，因為它不能識別中文，更別說方言了。所以，對於這類產品的分析，只能局限於國內產品。

智能音箱是在某種場景下的產物，比如Echo的購物，蘋果HomePod的智能家居入口等等，所以本質上只有有應用場景，智能音箱才有市場，沒有任何內容支持和Iot聯動，是沒有多大意義的。所以，生態對於智能音箱來說至關重要。結合智能家居生態，大概可以把國內主流智能音箱產品劃分為小生態和大生態兩大類。

小生態的代表是若琪和小雅。不得不說，若琪是比較早期起步的智能音箱，在AI演算法方面有了不少的積累，表現不錯，但是對於智能家居系統來講，它能聯動的組件並不多，局限於Lifesmart、Broadlink、Orvibo和Philips的小部分產品。喜馬拉雅的小雅主打內容，有靠山喜馬拉雅FM的支持，內容足夠豐富，宣稱是有情感有溫度的人工智慧圖書館，但是從智能家居控制來講，它幾乎不支持智能家居組件，是典型的小生態產品。

大生態的代表就是小愛同學、天貓精靈、叮咚和哇歐AI音箱。小愛同學以299元的價格殺入智能音箱市場，與小米生態鏈眾多智能硬體產品的聯動，讓小愛同學有著甚佳的智能家居體驗。然而，一個小遺憾就是你現在很難以299元的價格買到它。天貓精靈和京東叮咚，背靠各自平台。天貓精靈兼容阿里智能旗下的諸多產品，大到美的的大家電，小到控客的智能插座，類目非常豐富。叮咚則兼容京東微聯旗下的產品，Haier、Honeywell、三星等都是京東微聯的合作廠商。天貓精靈和叮咚都構成了各自較為齊全的生態，如果說劣勢，那麼就是目前這些生態的廠商之間有待磨合，特別是一些比較大的廠商的產品，在兼容和穩定性方面還有一些問題，在體驗上還有較大提升空間，但是生態基本上完整了。哇歐家居AI音箱屬於後起之秀，來自克路德機器人公司，之所以說它是大生態，是因為它兼容整套海爾的智能家居產品，包括海爾齊全的大家電產品線。小的智能組件研發周期短，可以迅速開發上市，然而齊全的大家電產品線可不是一朝一夕所能搞定的。克路德機器人的哇歐家居AI音箱，是在先有智能家居（有屋蟲洞）、智慧酒店（溫德姆）、智能健身房（力方體）等具體場景需求後才有的，這也是和另外幾個平台不同的地方。克路德機器人屬於少海匯生態企業之一，少海匯是一個不同於小米、阿里等傳統生態系統的「去中心化」新生態系統。之所以有如此多的場景需求，正是因為少海匯生態圈關注的就是智慧住居產業的場景需求，專攻智能家居，有眾多智能家居相關廠商加盟且互相兼容，現在看來具有強大的生命力，有了它的加持，哇歐家居AI音箱的前景應該會不錯。

當然，如果說現在智能音箱產品已經成熟，肯定為時過早。就目前的產品來講，前途光明，道路曲折。在語義解析、遠場拾音、Iot聯動、聲紋識別、內容和生態圈方面還具有巨大的提升空間。

語義解析方面，目前主流產品只能達到識別相對簡單的對話的水平，稍微複雜的語句很難精準的理解意圖，這也是為什麼有人稱智能音箱為「智障音箱」，是下一步要解決的重點之一。遠場拾音方面，目前的產品在普通環境下，5米之內都表現良好，但是再大的距離就普通出現識別率的急劇下降，影響體驗。聲紋識別（VPR）只有少數幾款產品能夠實現，但是聲紋識別作為語音入口重要的身份識別方式，安全意義重大。Iot聯動、內容和生態圈三者是互相緊密聯繫的，也是智能音箱能夠廣泛應用迅速普及的關鍵所在。小米、阿里、京東的生態愈加完善，以少海匯為代表的新生態的出現也為行業帶來的新的活力，相信不久的將來，智能音箱會真正成為一個不可撼動的入口。

功成不必在我，未來已經到來。智能音箱作為新的入口，已經有了相對成熟的硬體結構，迅速發展的AI支持，展現出了強大的生命力。語義解析、遠場拾音等技術迅速突破，Iot聯動和內容迅速豐富，以小米、阿里等為代表的各種老生態圈臻於完善，以少海匯為代表的新生態圈活力迸發。不得不說，AI智能音箱是一次深刻的革命，且這革命絕不僅僅是在智能家居領域。

___________________________

本文選自我的回答：xinhe sun：AI智能音箱會不會是智能家居的一次革命？

未經許可，禁止轉載！

為方便閱讀，已開通微信訂閱號「家＋智能」：homeandsmart，頭條號：「家＋智能「，新浪微博：@Henix_Sun