作者：XMOS半导体
苹果最新发布的智能家居产品，将语音交互推至聚光灯下。新款Apple TV 4K配备三个远场麦克风和先进回声消除技术，即便正在播放音频，仍可免提唤醒Siri实现语音对话。新款HomeView显示屏同样以语音为核心，无论是查询信息、影音娱乐还是控制全屋设备都离不开它。
在XMOS看来，这是对我们长期坚持的理念的有力印证：语音是实现无缝日常体验的入口。
对于产品开发者而言，这也凸显了一项根本性的要求。在一台设备理解请求或执行请求之前，它首先需要“听见”说话的人。
自然的交互体验离不开精密的工程技术
让电视帮你找节目或让厨房显示屏帮你定个闹钟，这些操作看似简单。但要稳定地实现这种体验，离不开严谨的音频工程技术。
人们说话的位置和距离各不相同。房间本身也会产生声音反射与混响。家电运转、旁人交谈、室外车流人流又会带来背景噪音。很多时候，接收语音指令的设备本身还在播放音乐、对白或者语音回复。
一次成功的语音交互必须在上述复杂环境下清晰拾取用户的话音。否则，用户只能反复喊话、提高音量，从而使体验感大打折扣。
远场拾音、声学回声消除、波束成形与降噪技术，正是应对这类难题的关键。回声消除可从麦克风信号中滤除设备自身播放的声音。波束成形利用多麦克风阵列，将拾音焦点对准说话人，同时降噪技术有助于抑制环境中的背景杂音。
以上技术协同工作，为后续的语音识别系统提供更清晰的语音信号。语音助手越强大，这一基础功能就越发重要。
深耕多年积淀的专业技术赋能下一代语音产品
这些正是XMOS多年来一直在帮助开发者解决的难题。
我们的VocalFusion®语音处理器将麦克风信号处理与完整音频链路整合在一起，从而为产品研发团队提供一种切实可行的、可实现清晰拾音的路径。
我们的XVF3800四麦克风解决方案集声学回声消除、多波束成形、去混响、噪声抑制以及自动增益控制于一身，专为远场语音应用而打造。其回声消除技术已被广泛采用，即便在扬声器大音量播放时，也能确保语音被清晰拾取。
新推出的XVF3620方案在完整的片上语音处理链路中增加了基于AI的降噪算法，可支持单麦克风或双麦克风方案。该芯片专为嘈杂、有回声且多变的复杂环境而设计，集AI降噪、快速自适应回声消除与双麦克风波束成形等技术于一体。
针对基于XCORE.AI做应用的开发者，XCORE®-VOICE框架提供了一条实现语音交互的软件路径，支持集成关键词识别、本地语音指令等功能。
这些可选方案能帮助产品团队根据自身应用选择合适的路径，无论是开发电视、智能显示屏、会议系统，还是家用电器。
创新的设计可使系统产品在任何使用空间中都富有生气
一套合适的语音方案，始于对预期使用体验的定义。
用户会在多远的距离发声？产品在拾音的同时是否会播放音频？会遇到怎样的背景噪音？系统产品设计能够容纳几颗麦克风？
繁忙厨用显示屏与会议系统或室外对讲设备所面对的声学条件截然不同。麦克风布局、外壳设计和信号处理链路必须协同配合，并且要在贴近真实日常使用环境下进行评估。
在项目早期就规划好这些需求能够帮助开发者让语音交互成为产品稳定可靠的功能。
让自然语音交互走进更多设备
苹果的这次发布再次印证了语音在智能家居中的重要地位。放眼整个行业，这也预示着巨大机遇：让日常设备的操作变得更加简单、自然。而正在到来的未来，还有包括语音交互控制的AI助理（AI Agent）设备，甚至在键盘以外还有语音人机接口的AI PC等诸多的新应用。
XMOS为开发者提供了追逐这一机遇所需的语音处理基石，帮助设备清晰聆听，让人们满怀信心地与设备交互。
您是否正在打造一款基于语音交互的产品？
查阅XMOS语音交互选型指南，快速找到适合您产品的方案。
热门跟贴