标签: 语音交互

车载语音交互系统主要由车端系统、云端系统、运营平台和数据统计与分析组成，核心原理基于语音输入的新一代交互模式，通过说话解放双手，操控车机。车端系统是车载语音交互系统的核心，其主要由ASR、NLP、TTS三大功能模块组成，作为智能座舱主要的人机交互解决方案，语音交互内容将会从对车机的控制，朝向多元化发展，并且语音交互将会体现的更加情感化与拟人化 市场情况 伴随智能情感汽车的发展，2022年1-8月车载语音交互产业渗透率达到73.3%，语音交互已成为智能汽车的标配，随着智能网联的进程的深入，语音交互作为智能座舱中主要的人机交互解决方案，能带来卓越的用户体验，具备宏大的市场发展前景。2022年1-8月整体市场价格来看，语音交互作为智能汽车最基础的配置之一，搭载的热销车型集中在中低端或者是豪华市场，并且合资多于自主。 国内车载语音交互上中下游界限模糊，头部供应商既是整车系统的供应商，也是模块解决方案提供商，从整体市场看，TOP 4头部供应商占据八成市场，其中科大讯飞占据四成市场排名第一，Cerence占据三成市场排名第二，国内供应商凭借本土优势主导国内语音交互市场。 互联网公司凭借优秀的平台技术与全套语音交互解决方案入局市场，并与AI智能科技公司合作，为车企推出定制化服务，带动行业内卷，供应商不断针对自身产品，进行迭代升级，促进汽车朝向情感化方向迈进。 在用户感知提升，技术升级突破等多重因素的驱动下，预计到2025年，车载语音交互产业的渗透率有望达到94%，搭载数突破2500万套。 技术趋势 车载摄像头模组的集中度较高，前视摄像头Top 5供应商占据68%的市场份额，主要为外资企业；环视摄像。 新势力通过自研+合作的方式，掌握核心技术，在人机优化方面更有话语权，借此突破语音获取、语音识别、语义理解三大核心难题，而传统车企多采用采购的方式解决语音交互问题，在人机优化方面话语权不高，所以单从语音交互技术来看，新势力车企领先于传统车企。 从语音交互整体技术层面来看，多模技术将大幅促进语音交互技术的迭代升级，促进语音交互朝向情感化和拟人化方向发展。 头Top 5供应商占据61.7%的市场份额，TTE、德赛西威等国内企业积极布局抢占市场。 重点玩家介绍 在主机厂层面，小鹏语音交互系统凭借全场景语音覆盖与120秒连续对话领先于其他车企；蔚来另辟蹊径采用NOMI方式赋予汽车灵魂，但核心语音交互功能还需进行提升；理想语音交互符合其产品定位，满足家庭出行时的用户需求；传统车企通过不同供应商，打造汽车的差异化，目前传统头部车企开始进行语音交互的自研布局。 在供应商层面，科大讯飞作为龙头企业，深耕算法与硬件，推出针对不同车型的定制化产品，2022年1-8月，科大讯飞产品搭载量达到389万套；思必驰则通过云+芯的方式布局语音交互产业，推出智能车联网解决方案3.0，助力汽车智能化转型。 车载语音交互产业链布局完善，上游为语音交互系统各模块的提供商，中游为集成的语音交互系统提供商，下游为各主机厂。整个产业链相对而言，上中下界限较为模糊，中游供应商会随着需求增加而加入上游模块供应商的业务范围。伴随主机厂自研语音交互技术，又会介入上中游的业务范围。 汽车语音交互系统主要由车端系统、运营平台、云端系统、数据统计与分析四大部分组成，其中车端系统是最为重要的模块。目前语音交互的以便利性为主，代替用户双手完成对于汽车指令的下达。伴随情感化与主动交互智能化的发展，车载语音交互系统的应用场景将从车内的基础控制，转向生活娱乐内容发展，内容形式更加多元化。 从2022年1-8月整体市场来看，语音交互在HMI配置的渗透率达73.3%，语音交互已成为智能汽车的标准配置。从竞争格局来看，第一梯队以头部供应商为主，集中度高，占据八成以上的市场，在其中龙头企业科大讯飞占据四成市场，达到389万套的搭载车辆。第二梯队以互联网公司为主，会采用合作的方式提升竞争力，为整车厂的不同车型提供定制化服务。 新势力车企采用自研+合作的方式，自研语音交互技术的核心部分，相较于传统车企，新势力在语音交互方面更为领先。另一方面，供应商通过自身的产品力，或独自或与其他企业合作弥补自身不足，为车企(尤其是传统车企)提供定制化服务。 总体来看，在市场方面，车载语音交互产业将会稳定增长；在技术趋势方面，多模技术将大幅促进语音交互技术发展；在玩家方面，国内头部供应商占据主要市场，但伴随互联网公司的入局与主机厂开始重视技术的自研，市场份额差距将会逐步缩小。

车载语音交互系统介绍 车载语音交互系统主要由车端系统、云端系统、运营平台和数据统计与分析组成，核心原理基于语音输入的新一代交互模式，通过说话解放双手，操控车机。车端系统是车载语音交互系统的核心，其主要由ASR、NLP、TTS三大功能模块组成，作为智能座舱主要的人机交互解决方案，语音交互内容将会从对车机的控制，朝向多元化发展，并且语音交互将会体现的更加情感化与拟人化 伴随智能情感汽车的发展，2022年1-8月车载语音交互产业渗透率达到73.3%，语音交互已成为智能汽车的标配，随着智能网联的进程的深入，语音交互作为智能座舱中主要的人机交互解决方案，能带来卓越的用户体验，具备宏大的市场发展前景。2022年1-8月整体市场价格来看，语音交互作为智能汽车最基础的配置之一，搭载的热销车型集中在中低端或者是豪华市场，并且合资多于自主。 国内车载语音交互上中下游界限模糊，头部供应商既是整车系统的供应商，也是模块解决方案提供商，从整体市场看，TOP 4头部供应商占据八成市场，其中科大讯飞占据四成市场排名第一，Cerence占据三成市场排名第二，国内供应商凭借本土优势主导国内语音交互市场。 互联网公司凭借优秀的平台技术与全套语音交互解决方案入局市场，并与AI智能科技公司合作，为车企推出定制化服务，带动行业内卷，供应商不断针对自身产品，进行迭代升级，促进汽车朝向情感化方向迈进。 在用户感知提升，技术升级突破等多重因素的驱动下，预计到2025年，车载语音交互产业的渗透率有望达到94%，搭载数突破2500万套。 车载摄像头模组的集中度较高，前视摄像头Top 5供应商占据68%的市场份额，主要为外资企业；环视摄像。 新势力通过自研+合作的方式，掌握核心技术，在人机优化方面更有话语权，借此突破语音获取、语音识别、语义理解三大核心难题，而传统车企多采用采购的方式解决语音交互问题，在人机优化方面话语权不高，所以单从语音交互技术来看，新势力车企领先于传统车企。 从语音交互整体技术层面来看，多模技术将大幅促进语音交互技术的迭代升级，促进语音交互朝向情感化和拟人化方向发展。 头Top 5供应商占据61.7%的市场份额，TTE、德赛西威等国内企业积极布局抢占市场。 在主机厂层面，小鹏语音交互系统凭借全场景语音覆盖与120秒连续对话领先于其他车企；蔚来另辟蹊径采用NOMI方式赋予汽车灵魂，但核心语音交互功能还需进行提升；理想语音交互符合其产品定位，满足家庭出行时的用户需求；传统车企通过不同供应商，打造汽车的差异化，目前传统头部车企开始进行语音交互的自研布局。 在供应商层面，科大讯飞作为龙头企业，深耕算法与硬件，推出针对不同车型的定制化产品，2022年1-8月，科大讯飞产品搭载量达到389万套；思必驰则通过云+芯的方式布局语音交互产业，推出智能车联网解决方案3.0，助力汽车智能化转型。 车载语音交互产业链布局完善，上游为语音交互系统各模块的提供商，中游为集成的语音交互系统提供商，下游为各主机厂。整个产业链相对而言，上中下界限较为模糊，中游供应商会随着需求增加而加入上游模块供应商的业务范围。伴随主机厂自研语音交互技术，又会介入上中游的业务范围。 汽车语音交互系统主要由车端系统、运营平台、云端系统、数据统计与分析四大部分组成，其中车端系统是最为重要的模块。目前语音交互的以便利性为主，代替用户双手完成对于汽车指令的下达。伴随情感化与主动交互智能化的发展，车载语音交互系统的应用场景将从车内的基础控制，转向生活娱乐内容发展，内容形式更加多元化。 从2022年1-8月整体市场来看，语音交互在HMI配置的渗透率达73.3%，语音交互已成为智能汽车的标准配置。从竞争格局来看，第一梯队以头部供应商为主，集中度高，占据八成以上的市场，在其中龙头企业科大讯飞占据四成市场，达到389万套的搭载车辆。第二梯队以互联网公司为主，会采用合作的方式提升竞争力，为整车厂的不同车型提供定制化服务。 新势力车企采用自研+合作的方式，自研语音交互技术的核心部分，相较于传统车企，新势力在语音交互方面更为领先。另一方面，供应商通过自身的产品力，或独自或与其他企业合作弥补自身不足，为车企(尤其是传统车企)提供定制化服务。 总体来看，在市场方面，车载语音交互产业将会稳定增长；在技术趋势方面，多模技术将大幅促进语音交互技术发展；在玩家方面，国内头部供应商占据主要市场，但伴随互联网公司的入局与主机厂开始重视技术的自研，市场份额差距将会逐步缩小。（封面图来源：新浪财经）

语音助手是语音识别、自然语音处理的完美结合，目前已被广泛应用于生活中，满足人们对远端操控的需求。语音助手正逐步颠覆传统的人机交互模式，不断提高移动互联网交互体验水平。科技大厂亚马逊、谷歌和苹果纷纷推出各类语音助手产品，抢占市场先机。中国的智能家居市场潜力巨大，而智能音箱作为智能家居的入口，各大厂商纷纷加入入口抢夺战。2015年，京东联合科大讯飞推出叮咚音箱，率先抢占国内智能音箱市场。2016年国内智能音箱主要有叮咚、JBL和飞利浦，到2017年，小米和天猫等厂商开始布局智能音箱市场，纷纷推出新品，导致智能音箱的竞争白热化。 智能语音助手结合AI人工智能技术、语音辨识，透过无线连接，不仅能执行多媒体资源播放，还能串接到物联装置、智能家居控制等等功能。而随着智能家居（例如亚马逊虚拟语音助理设备Echo、智能电视）、车载语音控制以及电话会议系统的种类繁多的新产品的不断涌现，语音技术的发展迈向了一个新的高度，其应用也从传统的近讲模式发展到近讲远讲并包的自由模式，因而也对语音信号处理带来了新的挑战。然而，强大的应用，却使产品的测试验证更加复杂，除了无线连网功能、语音辨识外，装置的易用度及兼容性，也都需列入考虑，才能确保产品质量。智能语音助理应用多元，让产品验证面向更多困难。 针对语音助手最常见的问题，归纳出下列三大验证困难点（包括： 智能识别障碍，语音交互问题以及无线信号干扰），并从这些困难点着手设计验证方式，协助厂商发掘产品可能遭遇的技术问题。 在本文中，我们强调要为客户构建一个良好的用户体验，不仅涉及装置的硬件质量，还涉及装置的易用度、兼容性效能、环境影响等问题。所以，硬软件的整合度和通讯状况（例如：信号干扰和无线连接不良）都会对用户满意度产生巨大的影响。首先，我们提出的语音助手三大验证困难点，在试验中得以验证，我们会对试验结果结合试验案例详细说明。然后，我们会重点介绍百佳泰的语音助手验证手段以及方案，满足您对语音助手测试的需求和解决您的疑惑。 语音助手验证中最常见的问题 #1 智能识别障碍 当用户进入一个房间的时候，会需要花费一段时间去适应和熟悉这个区域的分布，例如灯光和空调的开关位置。而当使用语音助手作为所有电子设备的控制中心，就像使用一个万能的语音遥控器，可以控制灯光、窗帘、电视、空调、加湿器、咖啡机等智能家居设备。但是，由于智能识别的问题，语音助手会认知错误的关键词或者是误解对话的内容，导致错误回应。与宣传视频中描绘的美好景象不同，在实际体验中，语音识别率和语义理解仍然是阻碍用户获得良好体验的障碍之一。 图一：语音助手智慧识别障碍 百佳泰其中一 个试验中，出现了这样子的情况：我们让语音助手在3分钟内关闭空气净化器，然而，在命令发出的一瞬间，空气净化器被关闭。这种情况的发生原因是测试设备认知了错误的关键词，从而导致判断错误。根据我们的测试结果，即使在产品规格定义的句子中也经常出现误判问题，这些错误会显着降低用户满意度。 #2 语音交互问题 环境因素对语音助手的语音交互能力产生显着的影响（例如：背景噪声或用户与测试设备间的距离等）。举例说明，在试验中，背景噪音水平在30分贝到50分贝之间，测试设备的语音唤醒成功率会非常不稳定。另外，若用户与被测设备之间的距离超过5米，部分语音助手无法被唤醒。由于用户使用语音助手的情境多样化、复杂化，所以，环境因素也是验证语音助手能力的重要考虑点。 图二：语音助手语音交互问题 #3 无线性能干扰 除了上述提及的物理环境因素（声音和距离），环境中肉眼无法看见的无线信号也会给语音助手的效能带来很多负面的影响。大部分的物联网产品都是用2.4 GHz的无线技术来连网（例如：Wi-Fi, 蓝牙，Zigbee等），因此，由于无线频带道路拥挤会导致同频干扰和邻频干扰的发生。 在我们的试验中，通过增加环境中多种无线信号（例如：这些技术均使用2.4 GHz），即便所有设备都显示无线信号满格，反应延迟率仍旧大幅上升。但是，一旦我们移除了测试区域中所有的无线信号干扰源，测试设备的运行又恢复正常。 图三：语音助手无线性能干扰 百佳泰语音助手检测方案 百佳泰为厂商提供了一站式的语音助手检测方案，旨在协助各大厂商在将其产品推向市场前发现并解决问题。此次检测方案分为两大部分：产品验证服务和用户情境模拟测试。 图四：产品预先验证与用户情境模拟 产品验证服务 产品验证服务，旨在全方位协助厂商进行语音助手的功能性验证、互操作性验证以及声学性能验证。其中，产品的功能性验证包含：关键特征校验，用户界面检测，语音助手唤醒成功率验证等。由于百佳泰拥有采购于全球各地的设备库与数据资料库，拥有成千上万的路由器、移动设备和各类物联网（IoT）产品，我们的专家能够为您的语音助手进行客制化的互操作性验证。 图五：百佳泰部分产品功能性测试 图六：百佳泰设备数据库 在语音助手的声学性能验证过程中，百佳泰的专家团队会根据产品在市场上的定位而做客制化的测试。通过设定和调整主要的变量（例如:方位角、角度、距离和噪声分贝等），结合精致优良的装置设备和测试器材来测试检验语音助手。 图七：声学实验室 用户情境 模拟 语音助手多样化的应用环境使其验证方法复杂化，因此，我们提供用户情境模拟协助厂商透过不同的情境模型以及各种不同场域状态中进行语音助手验证服务。例如，在智慧家庭的情境下，我们构建了实际家庭情境的环境布置（包括：客厅、厨房、浴室、卧室等），并且，结合实际情境，我们会营造生活中可能出现的情况（例如：客厅里孩子的玩耍声，厨房的煮饭声，浴室的水流声以及复杂的无线生态环境）对语音助手进行检测验证。有部分语音助手即使通过了产品验证，但是在实际复杂的用户情境中，还是无法维持优质的使用效果，导致客户满意度大幅降低。下图展示了百佳泰为您构建的多种用户情境模拟状况。 图八：用户情境模拟 通过模拟的各种用户情景后，百佳泰还提供无线热度图场域分析，可以即刻根据环境的无线分布为您提供无线信号的可视化效果图，助您识别问题以支持射频调试过程。通过接收的信号强度指示（RSSI），无线发送层的可选部分，用来判定链接质量，以及是否增大广播发送强度，百佳泰的专家会进行根本性问题分析，以协助客户在射频调试过程中改善语音助手的连接性问题。 图九：无线热度图场域分析 总结 通过实验结果分析并验证了语音助手三大常见问题：智能识别障碍，语音交互问题和无线性能干扰。然而，在实际操作以及运用语音助手的过程中，仍会遇到其他问题。因此，百佳泰为您提供了语音助手一站式检测服务，旨在优化您的产品并协助产品快速进入市场。 一个良好的用户体验，不但提高客户的满意度，而且能增加客户对产品以及品牌的粘度，因此，我们应从产品的硬软件状况以及多样性的应用效果验证产品的效能。百佳泰的专家团队拥有20年以上的产品测试经验，对物联网（IoT）产品进行不断地探索、研究并发明更多新的检测方案，以优化提升产品质量。在下一篇文章中，我们将结合实验案例结果对语音助手兼容性问题进行分析以及讨论。

　　 语音交互的进化历程 　　回顾人类发展历史，不难看出，随着人类不断进化，从最初通过手掌、肢体使用简单工具、传递简单信息，发展到控制发声并通过耳朵接收，形成了一个以语音为载体的快速信息传递通道和收发闭环，成为人类间最自然、最重要的信息交互手段。声波作为一种音频信号，和视频信号、无线电信号一样是，非接触方式传播，也是人类唯一可以不借助工具就可自由掌控的一种天然“无线”资源。 　　而且声波对接收指向性的要求更宽松，这个非常宝贵的特性会在很多场景下带来极大便利。特别是对于一些在视觉、触觉等方面存在障碍(如老年人、弱视、残障人士)或不适合(如儿童需要保护视力)的庞大特定人群，语音更是最佳的交互选择。 　　而作为这种功能在移动端延伸，手机相关的语音交互功能最早要追溯到十几年前的功能机时代。它最初是以语音拨号的形式来实现这种交互，当时以摩托罗拉、诺基亚为首的一批国外手机厂商，通过预先录制预存用户的语音样本，然后使用时由用户进行语音口述，比对预留样本，从而实现语音拨号的功能。 　　这项功能后续进行了进一步的发展，例如摩托罗拉在其A系列上从语音拨号进化到语音控制层面，就是通过语音能控制手机发短信、打开应用程序诸如音乐等。但是，这一阶段的语音交互技术有个致命的问题，就是准确性不高。因为它采用的是通过预存样本比对的技术来实现，这样的技术受限度很大，主要有以下三个： 　　A、受外界背景噪音干扰：因为是采用的样本音频分析对比，所以对来源音频的质量要求较高，如果来源音频背景噪音太严重，会造成与预留样本不符而比对失败。想想，你在一个安静的环境里录完音，然后在大街上去使用，这种成功率会高吗？ 　　B、使用者发音前后不一干扰： 　　同样的道理，你预留的样本音频是健康时的，而使用时因为风寒感冒了，很可能会造成比对失败，这样也会影响成功率。 　　C、其它使用者无法使用：你的样本是你自己的，如果换成你的爱人，或者小孩，按照这种样本对比，就根本无法使用了。 　　以上这些因素，造成之前的手机语音功能识别率太低，如同鸡肋，所以也没有在手机中起到决定性的作用。 《电子技术设计》网站版权所有，谢绝转载 　　 语音交互的新时代来临 　　进入到智能操作系统时代，手机、平板、可穿戴、智能家居、智能汽车等不断出现，各种业务、软件、应用也迅速普及，而且越来越多应用也开始引入语音功能，有助于培养用户使用习惯，语音交互迎来了春天般的新时代机遇。 　　据咨询公司统计和预测，近两年国内智能终端语音交互市场使用群体或将达到惊人的规模： 　　分析当前语音交互的热潮，主要具备了以下几个主要原因： 　　A、人工智能算法突破 　　前述我们讲的过去的语音识别主要原理是模式匹配法，即在训练阶段，用户将词汇表中的词依次说一遍，并且将其特征矢量作为模板存入模板库。在识别阶段，将输入语音的特征矢量依次与模板库中的每个模板进行相似度比较，将相似度最高者作为识别结果输出。 　　而现在的技术突破方向是“机器学习”，通过语音识别声学模型训练，使用带预训练的多层神经网络，语音识别错误率可降低30%，是近20年来语音识别技术方面最快的进步。 　　B、大数据的灵活应用 　　随着及手机、平板、可穿戴等各种移动智能终端的普及应用，已经可以从多个渠道获取大量文本或语音方面的语料，这为语音识别中的语言模型和声学模型的训练提供了丰富的资源，使得构建通用大规模语言模型和声学模型成为可能。 　　而在语音识别中，训练数据的匹配和丰富性是推动系统性能提升的最重要因素之一，但是语料的标注和分析需要长期的积累和沉淀，随着大数据时代的来临，大规模语料资源的积累成为现实并将提升到战略高度。 　　C、高速移动数据网络打通大动脉 　　2/3G时代，流量的限制使得语音交互技术无限制使用的条件不足，海量语音资料库累积较慢，限制了语音辨识与语义理解的提升；而如果局限于本地模式下，又缺乏大数据处理的支撑导致语音辨识率低，影响用户体验，使用频次下降，形成负反馈，就如同前十几年那种鸡肋的局面。 　　4G时代，手机网速大大提高，语音应用的频次和范围不断增加，海量语音资料库迅速增长；语音辨识准确率以及语音分析能力大大提升，而语音辨识精确度与语义理解能力的提升，又将进一步推动语音交互发展提升体验，形成正向反馈，带动语音交互应用更加丰富。 　　简单总结，就是人工算法实现功能上的智能化，大数据形成大量的声学模型，保障误别的成功率，而4G高速网络能讲样本快速上传并下载相应的识别结果，提升用户体验。从这个层面上讲，现在语音识别已经不仅仅是“听”这个层面上，更多的是朝听完之后“懂”的层面上发展，成为用户真正的助力帮手。 《电子技术设计》网站版权所有，谢绝转载 　　 语音交互的未来 　　随着人类对智能设备的依赖和人机之间的交互日益频繁，原有的操控方式变得越来越复杂、效率低下，迫切需要诞生一种新的更简便的操作方式；而语音一旦成为主流的交互手段，可以做到各种设备指令统一、简洁，大大降低人类对智能设备操作的要求、节省人机互动的时间。 　　哪些人群会在语音交互的这股浪潮中得到益处？语音交互的智能化又能给行业带来什么样的新动向？ 　　首先，随着智能设备和应用的影响逐渐扩大，用户群逐步向老龄人群、低龄人群、身体残障人群渗透扩散的趋势非常明显，而对这些新进入人群而言，原有的触控交互方式或许并不太适合，用户习惯也未形成，例如老年人视力下降、手指也不够灵活；低龄儿童还不能掌握手写等能力也不适合长时间看电子屏幕；弱视/盲人更希望接受语音信息和发出语音指令，等等，因此语音交互也更适合拓展智能设备新的用户人群。 　　其次，语音交互可能会成为继搜索引擎、浏览器、智能手机OS之后，第四代的入口。语音识别将使人机交互能够以人类最熟悉的方式进行，其优势以及价值一旦发挥出来，天然的交互入口起到导流作用，将对即时通讯、搜索、购物、LBS等垂直应用服务市场产生巨大的影响，而且语音交互将凌驾于搜索引擎、浏览器等其他应用入口之上，形成一个以语音交互技术为核心的全新应用生态链，前景极为看好，这也正是产业巨头纷纷在这一领域投入巨大资源的根本原因。 《电子技术设计》网站版权所有，谢绝转载 　　 语音交互产业链的形成 　　当前，从整个产业链条来看，在语音交互技术领域，涌现出一大批优秀的中国企业，经过多年的积累，语音技术已不再是国际巨头一家独大的局面。如在核心技术研发环节，有小i机器人等智能机器人厂商，以及清华、中科院等人工智能技术研究院校和科研院所；人机交互技术及服务提供商，如科大讯飞、捷通华声、车音网等语音技术提供商及微信、QQ等平台服务商。在数据和内容提供商环节更是百花齐放，应用领域包括影视(百事通、优酷、土豆等)、音乐、餐饮(大众点评、订餐小秘书)、财经(新浪财经、东方财富网等)、天气(问天网)、航班(携程、去哪儿)、旅游(携程、驴妈妈)、导航(高德、凯立德等)、政府、行业知识库等细分行业；智能终端设备提供商中包括以中兴、联想、华为等为代表；智能电视领域有长虹、创维等智能电视提供商、机顶盒提供商，以及东方有线、百事通、中国电信IPTV以及机顶盒生产厂商、服务运营商等。 《电子技术设计》网站版权所有，谢绝转载