離線自然說，無需記固定喚醒詞也能語音控制設備！

電子發(fā)燒友網(wǎng)報道（文/李彎彎）離線語音識別是指不需要依賴網(wǎng)絡，在本地設備實現(xiàn)語音識別的過程，通常以端側(cè)AI語音芯片作為載體來進行數(shù)據(jù)的采集、計算和決策。

離線語音識別技術在諸多領域都具有廣泛的應用前景，如用戶可以通過語音控制智能家居設備，實現(xiàn)燈光、空調(diào)、電視等的自動化操作；在醫(yī)療設備領域，離線語音識別技術可以用于控制輪椅、病床等設備，為行動不便的患者提供便利；在車載系統(tǒng)中，離線語音識別技術可以實時識別駕駛者的語音指令，確保駕駛安全。

但是語音芯片的存儲空間有限，通過傳統(tǒng)的語音算法技術，最多也只能存儲數(shù)百條詞條，導致用戶只能使用固定的詞條來控制設備，大大降低了用戶與設備之間的語音交互體驗。

離線自然說，解決當前語音識別痛點

近日，在啟英泰倫最新語音方案發(fā)布及技術交流會上，該公司技術支持總監(jiān)孫振奎介紹了啟英泰倫推出的一種輕量級NLP技術——離線自然說。

它的實現(xiàn)原理是，通過語義協(xié)議和語音識別構(gòu)圖結(jié)合，在進行語音識別同時對指令包含的意圖和槽位進行解析(NLU)，實現(xiàn)設備功能語音指令的理解和泛化。并且支持同時生成控制指令和反饋播報，完成識別、理解、播報的閉環(huán)。通過矩陣分解、權重共享等技術，保持低資源提高建模能力，支持說法突破萬種。

據(jù)孫振奎介紹，離線自然說，可以很好地解決當前語音識別的諸多痛點，如需要聯(lián)網(wǎng)、不會說、記不住詞、反應慢、詞條太少、普通話不標準、經(jīng)常掉線等。離線自然說的價值在于，用戶無需記憶固定詞條，只需知道功能和喚醒詞，即可語音控制設備，真正做到了自然、方便的人機交互。

具體來看，用戶如果通過傳統(tǒng)離線語音交互來打開空調(diào)，他只能說：“打開空調(diào)”。而如果通過離線自然說來打開空調(diào)，他可以說：“打開空調(diào)”、“幫我開空調(diào)”、“空調(diào)打開吧”、“開一下空調(diào)”、“我要開空調(diào)”、“空調(diào)開啟”、“啟動空調(diào)”、“吹空調(diào)”……

啟英泰倫認為，相對于手機APP/小程序、紅外遙控器、觸摸按鍵等傳統(tǒng)控制方式而言，自然化的語音交互更便捷、更高效、更人性化。

目前，啟英泰倫離線自然說方案，已經(jīng)在在風扇、吸頂燈、空調(diào)、茶吧機、油煙機、空調(diào)伴侶、窗簾電機、晾曬機、風扇燈等上完成應用，在風扇、取暖器上的應用已經(jīng)非常成熟。另外，離線自然說方案在洗衣機、馬桶、按摩椅、浴霸、微波爐等上的應用也在開發(fā)中。

不斷迭代的語音芯片及全鏈條語音算法技術

啟英泰倫是一家集語音芯片、語音算法、應用方案、開發(fā)平臺于一體的語音解決方案供應商。其芯片產(chǎn)品已歷經(jīng)三次大迭代，四次小迭代，共計推出15款型號的智能語音芯片，涵蓋AI語音芯片，AI語音Wi-Fi芯片，AI語音BLE芯片，形成系列化的芯片產(chǎn)品布局。

公司芯片產(chǎn)品現(xiàn)已廣泛應用于智慧家居家電、智慧養(yǎng)老、智慧穿戴、智慧醫(yī)療、智慧酒店、智慧安防、智慧教育、智慧汽車和機器人等領域，服務客戶超過5000家。

從發(fā)展歷程來看，2016年，啟英泰倫首度提出腦神經(jīng)網(wǎng)絡處理器（BNPU），發(fā)布全球首款AI語音芯片CI1006；2017年AI語音芯片進入家電巨頭美的供應體系，支持英文語音識別；2018年發(fā)布1.5代AI語音芯片，性能不變，成本降低30%；2019年發(fā)布高性價比2代AI語音芯片（搭載BNPU V2），上線語音AI開發(fā)平臺；2020年發(fā)布2.5代AI語音芯片，成本更低，支持日文等小語種語音識別；

2021年離線NLP算法取得突破，深度人聲分離算法取得突破；2022年量產(chǎn)3代AI語音芯片、AI語音Wi-Fi Combo芯片（搭載BNPU V3），算法算力登上新臺階；2023年AIOT方案成熟，推出AI語音BLE芯片Cl231，預推出語音MCU芯片Cl132。

啟英泰倫第三代CI13系列是一款極具性價比的離線AI語音芯片，包含CI1301、CI1302、CI1303、CI1306、CI1311、CI1312六款型號，據(jù)稱其年裝機達數(shù)千萬臺。

CI13系列基于啟英泰倫自研BNPU 3.0，系統(tǒng)主頻最高可達240MHz，內(nèi)置高達640KByte SRAM，集成PMU電源管理單元和RC振蕩器，集成雙通道高性能低功耗Audio Codec和多路UART、IIC、IIS、PWM、GPIO、PDM等外圍控制接口。芯片僅需少量電阻電容等外圍器件就可以實現(xiàn)各類智能語音產(chǎn)品硬件方案，性價比極高。

CI13系列具有強大的自然語言交互能力，70dB噪聲下，可以做到85%識別率及90%喚醒率（降噪模式），命令詞數(shù)支持10001+詞條，支持離線自然說。

在語音算法上，啟英泰倫擁有完全自主知識產(chǎn)權的語音交互技術鏈條，包括語音識別、語音增強、深度降噪、回聲消除、低功耗喚醒、本地語義理解、聲紋識別、本地命令詞自學習等語音算法。

此次交流會上，孫振奎還介紹了啟英泰倫的多個語音算法。如，聲紋識別，基于特定詞條的聲紋識別，可以通過注冊聲紋來區(qū)分講話人，從而提供定制化的服務，如場景1：注冊成人聲紋，防止小孩不當操作導致危險；場景2：不同的人說“打開空調(diào)”，自動設置為不同人喜歡的模式，溫度，檔位等。

男女性別識別，基于聲音特征，區(qū)分男女性別，進行不同的定制化功能開發(fā)，如識別到性別后，進行不同聲音的播放；部分產(chǎn)品對性別有要求的，可以進行性別識別并進行個性化展示：例如智能馬桶的洗潔方式。

特定聲音檢測，如鼾聲識別：可用于智能床墊，智能枕頭；嬰兒哭聲識別：嬰兒監(jiān)護產(chǎn)品，嬰兒搖搖床等。

寫在最后

用過語音控制產(chǎn)品的朋友們可能都知道，目前市面上大多數(shù)產(chǎn)品都需要精準通過喚醒詞控制，然而如果一個設備一段時間沒使用，或者其中一些喚醒詞長時間沒用過，當突然需要使用的時候，會忘記這個詞，而無法順利控制設備。而且對于一些功能較復雜的設備，需要記大量的喚醒詞，稍有偏差都可能難以控制。而離線自然說算法技術，則打破了傳統(tǒng)離線語音識別的這種局限性，只需要說出大意，設備就能聽懂，互動更為高效。