在智能家居電子產品給人們帶來便捷生活的同時，人們的控制習慣逐漸發生改變。語音技術的發展也為控制入口做了一個補充，在拋去了傳統遙控器和手機APP之后，通過口令發送讓家居環境達到舒適狀態，讓生活更便捷智能，這是否會成為智能家居行業下一個階段的普遍應用？相關文章：《電子產品設計方案有哪些要求？》

遠場語音識別、云端語義辨識、人工智能應用等等一個個技術節點得到新的突破，為智能家居提供了新的控制入口選擇。本文將從技術趨勢、解決方案、產品應用、項目實施等多角度為您呈現語音控制技術在智能家居產品和集成項目中的應用前景。
 

所謂智能語音產業，主要指通過語音合成技術和語音識別技術，為用戶提供各種服務的產業。一般來說，用戶只需要用說話的方式給服務終端發布命令，就能得到相應的服務。這一產業從上世紀六十年代就已出現，但并不為普通消費者所熟知，消費者對其認知度也比較低。近年來，隨著蘋果、谷歌、微軟等公司先后推出Siri等智能語音服務，這一服務以及相關產業也開始被普通消費者和投資界所關注。

語音控制技術

與機器進行語音交流，讓機器明白你說什么，這是人們長期以來夢寐以求的事情。語音識別技術就是讓機器通過識別和理解過程把語音信號轉變為相應的文本或命令的技術。

語音識別是一門交叉學科，語音識別技術與語音合成技術結合使人們能夠甩掉鍵盤，通過語音命令進行操作，語音技術的應用已經成為一個具有競爭性的新興高技術產業。

目前語音控制技術存在的問題

目前，對于語音控制類的智能硬件產品在很多場景下因語音交互體驗不如人意而深受詬病，究其原因主要是受限于空間距離、背景噪音、其他人聲干擾、回聲、混響等多重復雜因素，進而導致的識別距離近、識別率低等明顯痛點。

除此之外，單是中國語系、方言和口音就相當多，加上中文的多語義性，所以不同地區的人使用語音控制識別率差異較大。同時，在語義識別上，也存在上下文的關聯帶來識別的學習難、定位難和建立模型難等問題。

語音識別的幾種控制技術

“語音識別”技術相當于給計算機系統安裝上“耳朵”，使其具備“能聽”的功能。該技術經過語音信號處理、語音特征處理、模型訓練及解碼引擎等復雜步驟，使機器最終能夠將語音中的內容、說話人、語種等信息識別出來。語音控制功能的實現，與用戶的使用習慣高度關聯。目前的語音控制功能實現方式可分為近場語音識別和遠場語音識別二個大類。
 

近場/遠場語音識別技術

近場語音識別，需要用戶點擊啟動，并且用戶與終端設備的距離比較近，如手機或其他終端設備，可直接借助這些終端設備的實現控制功能。

遠場語音識別，以麥克風陣列遠距離拾取的語音數據作為輸入數據，通過語音識別的算法將語音信號轉寫成文字的技術。雖然和近場語音識別技術在原理上是相同的，但是由于音源和麥克風之間的空間距離增大，在聲波傳播過程中會出現信號強度的衰減和各種噪音干擾，因此需要特殊的語音數據拾取和預處理技術。不同的拾取設備和預處理技術常常會使用于語音識別的聲波信號特征發生改變，因此針對不同的遠場語音拾取技術，需要對語音識別引擎進行定制化適配和優化。

當語音信號在傳播過程中有所衰減，影響采集信號的強度和分辨率，使用的靈敏度非常高的指向性麥克風，同時將麥克風的參數調整到適合遠場語音數據的模式，可以最大限度采集清晰的遠場語音信號。語音指令聲波在傳輸過程中受到周圍噪音的污染，降低聲波信號的信噪比，使用定向波速成形技術，抑制方向外的噪音，從而減少噪音對語音信號的干擾。在一個房間里，麥克風拾取的聲波不僅僅直接來自于音源，還有音源發出后經過墻壁反射的遲到的聲波，形成聲音的殘留，造成混響。利用多個麥克風采集的數據，通過多通道回聲消除算法，將這些不同時間達到的聲音數據分離開來，從而消除了混響對聲音數據的影響。

喚醒目標檢測技術

在遠距離用語音進行操控的時候，聲音可能來自不同方向的不同人。因此首先要確定哪些是發指令的聲音，哪些不是。使用的麥克風陣列波速成形算法，將360度空間垂直劃分成若干區域，每個麥克風負責檢測一個指定的區域。當某個空間區域里面檢測到有喚醒詞出現時，對應于該空間區域的麥克風拾音功能就被增強，其他區域的麥克風拾音就被抑制。從而實現了對聲音進行有方向有角度的拾取，避免了周圍電視機里的說話聲音、其他人交談對語音指令的影響。

播放狀態打斷技術

在對音箱等設備進行語音控制時，往往該設備處于播放歌曲的狀態。由于麥克風安裝在音箱上，麥克風和說話人之間的距離要遠大于麥克風和揚聲器之間的距離，在這樣的情況下，采用內外兼顧的方法進行解決。內部使用特殊的回聲消除算法從內部減小噪音對麥克風的影響。另外對于震動帶來的非線性干擾，傳統的線性回聲消除方法失效了，因此可以使用非線性回聲消除算法提高內部噪聲消除的效果。在外部結構設計方面，使用精心設計的麥克風陣列減震結構，使多個麥克風和它所連接的電路板之間的震動減小到最小，從而最大程度的控制高聲強導致的音箱本體震動對拾音的干擾。