2018年，智能音箱已成為新風口，市場呈現(xiàn)群雄并戰(zhàn)的局面。前不久，京東叮咚發(fā)布了京東叮咚PLAY和mini2兩款智能音箱新品，其中京東叮咚mini2在活動期間的價格僅為79元，可以說是這個價位上比較有競爭力的產(chǎn)品。

近日，打造了這款產(chǎn)品的叮咚團隊對這款產(chǎn)品的軟硬件技術(shù)進行了深入的講解。

6Mic+全新算法，提升喚醒和識別效果

語音交互能力是智能音箱的體驗基礎(chǔ)，硬件拾音能力和軟件降噪能力都非常重要。喚醒和遠場識別都要依賴噪聲場景下的關(guān)鍵詞識別能力，降噪性能越好，越容易喚醒，識別準確率也高。

叮咚團隊負責人介紹稱，雖然京東叮咚mini2是一款入門級產(chǎn)品，但仍然使用了6Mic環(huán)形陣列，可采集更多聲音信息，提供更好的降噪效果和更精確的聲源定位。同時在Mic和揚聲器之間還通過密封空間和加裝膠墊等方法進行隔音，降低了共振造成的影響。

雷鋒網(wǎng)在與叮咚團隊進一步溝通后得知，京東叮咚mini2依然使用硅麥（MEMS麥克風）而不是傳統(tǒng)的駐麥（駐極體電容麥克風）。據(jù)雷鋒網(wǎng)了解，硅麥相比駐麥，體積和功耗更小，性能和穩(wěn)定性更好，且多片聯(lián)用時的一致性好，更適合降噪算法發(fā)揮。

軟件方面，京東叮咚mini2使用了科大訊飛第三代基于卷積神經(jīng)網(wǎng)絡(luò)CNN的全新喚醒和聲學(xué)處理算法，能有效消除環(huán)境中的噪聲、混響，抑制設(shè)備本身的回聲，將純凈音頻流輸送到喚醒和識別引擎，以提升喚醒和識別效果。

自定義喚醒詞，提供個性化體驗

作為入門級產(chǎn)品，京東叮咚mini2的一大賣點便是個性化的自定義喚醒詞功能。為了提升自定義喚醒詞的可用性，研發(fā)團隊為其加入了喚醒效果評價機制、喚醒詞迭代等技術(shù)，以提升自定義喚醒詞的喚醒率。

由于不同的詞發(fā)音難度和音調(diào)不同，并不是所有的詞語都適合做喚醒詞。為了保證喚醒效果和用戶體驗，京東叮咚mini2加入了量化的客觀標準，通過星級評價喚醒詞的適用程度，并在實際使用中建議用戶使用四星以上的自定義喚醒詞。

自定義喚醒算法的全新數(shù)據(jù)模型，會讓處理語音信號時的運算量大幅上漲。在音箱計算能力有限的前提下，研發(fā)團隊除優(yōu)化算法本身之外，還加入了前置的激活檢測，提高語音數(shù)據(jù)的準入標準，以避免無用的數(shù)據(jù)處理量。

此外，在生成自定義喚醒詞的算法模型后，喚醒效果并不是一成不變的。叮咚團隊使用了喚醒詞迭代技術(shù)，在用戶使用自定義喚醒的過程中，由喚醒所產(chǎn)生的語料也可用于優(yōu)化喚醒效果。喚醒的次數(shù)越多，積累的語料越多，喚醒效果越好。

區(qū)分閑聊和喚醒？做好降噪和選詞

京東叮咚mini2有了6Mic和科大訊飛最新算法，能夠很好地消除噪聲和混響等雜訊，但還有一個比較偏門的問題：如何區(qū)分閑聊中出現(xiàn)的喚醒詞和真正的喚醒？

在技術(shù)講解時，京東叮咚mini2全程沒有出現(xiàn)被誤喚醒的情況，表現(xiàn)可說是非常不錯。不過團隊負責人表示，其實目前還不能完全解決此問題。

他告訴雷鋒網(wǎng)，從識別喚醒詞的技術(shù)邏輯來講，只要麥克風能為識別引擎?zhèn)鬟f清晰的喚醒詞，音箱就應(yīng)該被喚醒。而日常閑聊嚴格來說應(yīng)該被當做環(huán)境噪音處理，在做好降噪等軟硬件基礎(chǔ)工作的前提下，可以減少這種閑聊中的誤喚醒。

而在喚醒詞的選擇上，使用疊詞且盡量不用產(chǎn)品名作為喚醒詞，也是目前比較好的避免誤喚醒的方法。同時京東叮咚mini2可讓用戶使用自定義喚醒詞，可以進一步減少誤喚醒問題的出現(xiàn)。

但同時他也指出，目前智能音箱產(chǎn)品的喚醒機制均為離線執(zhí)行，識別引擎只對設(shè)置好的喚醒詞敏感。如果想完全杜絕閑聊誤喚醒，需要讓識別引擎全程在線，并將所有語音信息上傳到云端進行分析，這在目前是不現(xiàn)實的。

全雙工語音交互？語料數(shù)據(jù)庫是關(guān)鍵

目前在日常閑聊功能領(lǐng)域，表現(xiàn)最好的當屬微軟小冰，其“全雙工語音交互感官”技術(shù)和Session-oriented框架，讓人機語音交互可以很自然的隨時打斷、轉(zhuǎn)移話題，真正像真人對話一樣聊不停。

這樣的技術(shù)，能不能應(yīng)用到京東叮咚mini2以及其他智能音箱中？

叮咚團隊稱，全雙工語音交互和Session-oriented目前幾大主流語音交互廠商都能實現(xiàn)，微軟小冰真正的厲害之處在于其背后的龐大語料數(shù)據(jù)庫，這是影響全雙工交互最終效果的關(guān)鍵。

如果沒有足夠豐富的語料數(shù)據(jù)庫，即便使用了全雙工語音交互、Session-oriented或其他類似的技術(shù)，最終也會出現(xiàn)“AI知道你在說什么，卻不知道用什么來回答”的情況。

團隊負責人對雷鋒網(wǎng)說，京東叮咚具備全雙工多輪對話的能力即AIUI功能，其主要應(yīng)用在任務(wù)交互和多輪對話上，用戶可自行選擇打開或關(guān)閉，但在目前條件尚不成熟的情況下，暫時不會將其作為主流功能使用。

---

現(xiàn)在關(guān)注“雷鋒網(wǎng)”微信公眾號（leiphone-sz），回復(fù)關(guān)鍵詞【2018】，隨機抽送價值 3999 元的參會門票 3 張

相關(guān)文章：

叮咚音箱魏強：智能音箱行業(yè)已然進入洗牌期

合作十款品牌 能否讓京東叮咚智能音箱成為全能型AI家庭助手

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。