通常語音交互過程通常分為喚醒、響應(yīng)、輸入、理解、反饋幾個環(huán)節(jié)，語音交互技術(shù)也一直是IBM、微軟、百度等遙遙領(lǐng)先。

幾個月前，華為消費者業(yè)務(wù)CEO余承東表示華為正在研發(fā)國際版的語音助手，同時建立自己的AI服務(wù)，并將在未來擴展到國際市場。

在人工智能的潮流推動下，智能化語音技術(shù)不斷發(fā)展，許多電子設(shè)備中都添加了語音助手，如Siri、小愛同學(xué)、天貓精靈等，用來協(xié)助用戶進行人機交互過程。為了使得語音助手能夠及時檢測并響應(yīng)用戶發(fā)出的語音交互指令，電子設(shè)備一般會預(yù)設(shè)一些喚醒詞，如“Hi Siri”等，當(dāng)檢測到用戶輸入喚醒詞時，可觸發(fā)電子設(shè)備與用戶進行交流。通常設(shè)備設(shè)置喚醒詞的聲強門限60dB，當(dāng)用戶輸入聲強大于60dB時，電子設(shè)備檢測成功，然而當(dāng)用戶距離設(shè)備較遠(yuǎn)時，由于輸入聲強的降低，電子設(shè)備往往難以檢測到輸入語音信號從喚醒失敗。在這種情況下，如何在遠(yuǎn)距離下提高語音助手喚醒成功率成為諸多企業(yè)競相研究的熱點。

華為公司于2019年7月25日提出了一項名為“一種語音喚醒方法及電子設(shè)備”的發(fā)明專利（申請?zhí)枺?01910677390 .9），申請人為華為技術(shù)有限公司。

此發(fā)明專利介紹了一種語音喚醒方法及相對應(yīng)的電子設(shè)備，可以在較廣的位置范圍內(nèi)保證電子設(shè)備被成功喚醒的幾率，從而提高用戶的使用體驗，而該種方法可以被應(yīng)用于諸如智能家居設(shè)備、PC、手機、音箱等具有語音交互功能的電子設(shè)備之中。

圖1 語音交互過程示意圖

通常語音交互過程可分為喚醒、響應(yīng)、輸入、理解、反饋幾個環(huán)節(jié)。當(dāng)設(shè)備處于待機狀態(tài)時，需要識別用戶輸入的語音喚醒信號，如果識別成功則切換到工作狀態(tài)，此后則可以通過語音識別算法用戶對輸入的語義內(nèi)容進行識別并響應(yīng)，整個過程如圖1所示。

從上述過程可以看出，成功喚醒電子設(shè)備是實現(xiàn)人機語音交互的基礎(chǔ)，而喚醒設(shè)備的過程就是通過預(yù)設(shè)的喚醒參數(shù)檢測用戶的語音輸入。喚醒參數(shù)如喚醒門限、拾音方向、噪聲抑制參數(shù)、放大增益等的取值決定了電子設(shè)備在檢測喚醒輸入語音時喚醒率的高低。在實際使用過程中，用戶相對設(shè)備的位置差異導(dǎo)致了喚醒率的不同，因此根據(jù)用戶所在的位置動態(tài)設(shè)置喚醒參數(shù)可以使得電子設(shè)備在不同位置場景下保持較高的喚醒率。

圖2 語音喚醒方法應(yīng)用場景示意圖

圖2為上述提到的基于用戶位置信息來劃分區(qū)域，從而進行語音喚醒的示意圖。電子設(shè)備在待機狀態(tài)時可周期性地通過攝像頭采集用戶圖像信息，并根據(jù)圖像確定用戶所在的位置信息。對于不同區(qū)域，設(shè)備可預(yù)先設(shè)置對應(yīng)的喚醒參數(shù)，以聲強為例，在近處的區(qū)域設(shè)置較大的門限，而在遠(yuǎn)處區(qū)域設(shè)置較小的門限，從而使各個區(qū)域都達(dá)到較高的喚醒率。如圖2所示的三個區(qū)域各自具有一套喚醒參數(shù)，從而提高了語音交互場景下用戶的使用體驗。

圖3 語音喚醒方法流程圖

圖3是此專利提供的一種語音喚醒方法流程示意圖。以智能電視為例，首先設(shè)備通過攝像頭采集圖像，并通過采集的圖像確定其中是否包含用戶，如果包含則確定圖像中第一用戶所在的第一目標(biāo)位置，并獲取該位置下的喚醒參數(shù)。當(dāng)用戶輸入語音后，設(shè)備根據(jù)上述喚醒參數(shù)處理輸入語音信號。如果用戶從區(qū)域1切換到區(qū)域2，則設(shè)備獲取區(qū)域2中的喚醒參數(shù)并進行信號處理，包括模數(shù)轉(zhuǎn)換、降噪、放大等，因此該設(shè)備可根據(jù)用戶所在位置實時動態(tài)的對切換喚醒參數(shù)，達(dá)到更好的人機交互效果。

在智能語音服務(wù)上，Google和亞馬遜的是目前公認(rèn)的業(yè)界巨頭，然而從此項專利可以推斷出華為在語音業(yè)務(wù)上也在不斷努力發(fā)展！