首發|以前端核心技術為主導,聲加科技助力多場景智慧產品走進語音時代
隨著聽覺系統在各種機器上的出現,“智慧”的印象已經從高大上的機器人、自然語言理解、圍棋比賽等實驗室產品應用到了手機、家居、汽車、VR甚至是穿戴裝置等消費電子產品上。
作為物聯網人工智慧的入口,智慧語音產品已成為全世界最有錢的科技巨頭們的必爭之地。蘋果、阿里、百度、小米…….幾乎所有巨頭都涉足的智慧音箱,一度賣到百元以下;智慧耳機市場也在蘋果推出Airpods後迅速引爆,華為、小米等都在尋求的數百元級解決方案。
這些產品雖然大大普及了公眾對語音互動的認知和使用,但實際上由於真實場景使用下的複雜、不同裝置體積限制對算力的要求等因素,語音產業的發展仍然受技術瓶頸的限制尚處在起步階段,業界依然共同面臨許多技術難題。
作為一家成立於不足一年的公司,聲加科技早期主要是為智慧語音的明星產品提供遠場麥陣模組設計方案、智慧耳機麥陣演算法、智慧耳機模組等服務。未來也將逐漸嘗試將最先進的技術應用在新產品上。
創業邦獲悉,聲加科技已獲得中科創星千萬級和萬魔聲學數百萬元天使輪融資;同時與萬魔聲學成為戰略合作伙伴,二者會在智慧音訊裝置上持續聯創。
2018年全球智慧語音市場規模將超過140億美元
據中國語音產業聯盟資料顯示,目前全球智慧運營市場規模已達到105億美元。隨著個人及家庭使用者的多場景支援,各領域應用帶動下的智慧語音產業規模持續快速增長,預計2018年全球智慧語音市場規模將超過140億美元。
據瞭解,智慧語音產品完成一次人機互動,需要經過四個主要技術環節:語音前端處理、語音識別、自然語言理解以及語音合成,即從聲音的拾取到轉換成文字,到理解其含義並作出反饋,再到將反饋說出。經過多年的技術積累,語音識別和語音合成已經獲得突破,目前基本可以滿足商用。而語音前端處理和自然語言理解依然是語音互動的核心瓶頸。
據聲加科技創始人兼CEO邱鋒海介紹,目前隨著深度學習的引入以及在此基礎上派生的各類模型的組合,語音識別準確率確實得到了大幅度提升,智慧音訊裝置也呈現出多樣化和日常化。
“雖然各項技術獨立發展,但從產品上無法割裂,同時需要在其它技術的配合下,才能形成完整鏈條具備市場化的終端產品。”邱鋒海說,目前的BAT、小米、京東、華為等巨頭企業,基本是從語音識別、語義理解應用後兩個環節切入。這主要源於語音識別演算法開源,技術相對普及,而巨頭們的海量資料和強大算力支撐有足夠的優勢。但作為流程第一步的聲學前端處理產品,因為教育環境下人才的斷層和稀缺(此前工程類專案多在科研院所)而有極高的技術門檻,因此,專注這個環節的企業基本集中在有中科大、聲學所、自動化所等科研背景的初創企業中。
據邱鋒海和聲加團隊的恩師,我國空氣聲學領域著名科學家、中國科學院聲學研究所研究員/博士生導師李曉東介紹,聲學前端技術在語音互動獲得突破之前,一直是冷門學科,而且聲學前端技術屬於應用類學科,需要大量的課題、專案來積累,培養一個聲學方面的專業人才,往往需要四五年甚至更長時間。因此,長期以來,從事聲學前端處理技術的高階人才都集中在國家相關科研院所內。即使對於不差錢的巨頭們,組建一個有實力的聲學前端處理技術的團隊也並非易事。
從語音前端處理演算法到整體解決方案的產品三步走
李曉東表示,儘管目前市場增勢良好,但現有聲學技術仍然處於商業初級應用階段,距離使用者滿意還有相當大的距離。比如以Siri為代表的近場語音識別要求必須是低噪聲、無混響、距離聲源很近的場景,使用者一定要對著手機講話才能獲得符合近場語音識別要求的聲音訊號,環境稍微嘈雜一點語音識別引擎就失靈了。而以智慧音箱為代表的遠場語音識別場景下,依然存在誤喚醒,方言、童音識別不準以及聲源移動中的識別率低下等問題。
這些限制都需要聲學前端處理技術不斷改善,實現噪聲抑制、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,提升語音訊號處理質量,進而提高各種環境下的語音識別率。這也是聲加團隊要致力突破的方向。
邱鋒海從技術角度對行業分析,他認為,“一直以來,人機互動充滿了想象,未來甚至可能和機器視覺、腦科學等融合,實現電影裡的酷炫畫面。目前只有先解決語音識別的這些技術瓶頸,才能進一步有所作為。”
目前,聲加科技的產品規劃分三個階段:
第一步,為智慧語音互動裝置和通訊裝置提供語音前端處理演算法。
第二步,在之前工作的基礎上,推出語音處理專用晶片。
第三步,則是在語音處理專用晶片的基礎上,開發出各類麥克風陣列模組,給客戶提供語音前端處理的整體解決方案。
當前第一階段的演算法產品已經通過了一些國內大廠的驗證,即將量產;晶片和模組產品也在快速推進當中。同期與國內巨頭合作的二代產品也將在下半年陸續上市,將成為其瘋狂增長的生態鏈中的重要一環。
關於聲加的團隊,邱鋒海本人本科就讀於清華大學,碩士期間在中科院聲學所深造,畢業後長期在聲學晶片企業工作,曾帶領20餘人的研發團隊完成了世界級知名企業的音訊處理晶片演算法部分的開發,對聲學演算法的工程實現、演算法和晶片的結合等方面具有豐富的經驗;CTO王之禹,中科院聲學所博士後,長期從事語音訊號處理和識別研究工作,實現多個科研專案的產業化;演算法技術總監鄭成詩,聲學所研究員,德國埃爾朗根-紐倫堡大學客座教授,長期從事語音和音訊訊號處理研究工作,曾作為專案負責人帶領團隊完成多個科研專案,並創新性地提出許多解決方案。
其核心團隊成員大多師出聲學所同門,在公司成立以前,團隊已有為國內多個巨頭企業的智慧音箱、智慧耳機等明星產品提供遠場麥陣模組設計方案、智慧耳機麥陣演算法、智慧耳機模組等實戰專案經驗。