㈠ 人工智慧科普｜語音喚醒技術的原理是什麼
姓名：張璐
學號：19021210845
【嵌牛導讀】 不少同學家裡都有AI智能音箱產品，例如天貓精靈、小愛同學、小度等等。這些智能音箱不僅便捷了我們的日常生活，也因為他們或機智或逗比的回答，給用戶帶來了不少歡樂。
【嵌牛鼻子】AI智能音箱、語音喚醒
【嵌牛提問】語音喚醒技術的原理是什麼？
【嵌牛正文】
「天貓精靈。」「哎，在的，你說」
「小愛同學，定明天早上8點的鬧鍾。」「好的，已經幫你定好明天早上8點的鬧鍾」
不少同學家裡都有AI智能音箱產品，例如天貓精靈、小愛同學、小度等等。這些智能音箱不僅便捷了我們的日常生活，也因為他們或機智或逗比的回答，給用戶帶來了不少歡樂。
這些智能產告雹禪品中的一項重要的AI能力，就叫做語音喚醒。
首先，設備開啟並自動載入好資源，這時它處於休眠狀態。然後，當用戶說出特定的喚醒詞時，設備就會被喚醒，切換到工作狀態等待用戶接下肆悉來的指令。
這一過程中用戶不需要用手接觸，直接可以用語音進行操作，同時利用語音喚醒的機制，設備不用實時地處於工作的狀態，從而節省能耗。
語音喚醒的應用領域比較廣泛，例如機器人、手機、可穿戴設備、智能家居、車載等。幾乎很多帶有語音功能的設備，都會需要語音喚醒技術作為人和機器互動的一個開始或入口。不同的產品會有不同的喚醒詞，當用戶需要喚醒設備時需要說出特定的喚醒詞。
定義
語音喚醒在學術上被稱為keyword spotting(簡稱KWS)，吳老師給它做了一個定義：在連續語流中實時檢測出說話人特定片段。
這里要注意，檢測的「實時性」是一個關鍵點，語音喚醒的目的就是將設備從休眠狀態激活至運行狀態，所以喚醒詞說出之後，能立刻被檢測出來，用戶的體驗才會更好。
那麼，該怎樣評價語音喚醒的效果呢？通行的指標有四個方面，即喚醒率、誤喚醒、響應時間和功耗水平：
➤喚醒率，指用戶交互的成功率，專業術語為召回率，即recall。
➤誤喚醒，用戶未進行交互而設備被喚醒的概率，一般按天計算，如最多一天一次。
➤響應時間，指從用戶說完喚醒詞後，到設備給出反饋的時間差。
➤功耗水平，即喚醒系統的耗電情況。很多智能設備是通過電池供電，需要滿足長時續航，對功耗水平就比較在意。
語音喚醒的技術路線
經過長時間的發展，語音喚醒的技術路線大致可歸納為三代，特點如下：
第一代：基於模板匹配的KWS
訓練和測試的步襪塵驟比較簡單，訓練就是依據注冊語音或者說模板語音進行特徵提取，構建模板。測試時，通過特徵提取生成特徵序列，計算測試的特徵序列和模板序列的距離，基於此判斷是否喚醒。
第二代：基於HMM-GMM的KWS
將喚醒任務轉換為兩類的識別任務，識別結果為keyword和non-keyword。
第三代：基於神經網路的方案
神經網路方案又可細分為幾類，第一類是基於HMM的KWS，同第二代喚醒方案不同之處在於，聲學模型建模從GMM轉換為神經網路模型。 第二類融入神經網路的模板匹配，採用神經網路作為特徵提取器。第三類是基於端到端的方案，輸入語音，輸出為各喚醒的概率，一個模型解決。
語音喚醒的難點
語音喚醒的難點，主要是低功耗要求和高效果需求之間的矛盾。
一方面，目前很多智能設備採用的都是低端晶元，同時採用電池供電，這就要求喚醒所消耗的能源要盡可能的少。
另一方面，用戶對體驗效果的追求越來越高。目前語音喚醒主要應用於C端，用戶群體廣泛，且要進行大量遠場交互，對喚醒能力提出了很高要求。
要解決兩者之間的矛盾，對於低功耗需求，我們採用模型深度壓縮策略，減少模型大小並保證效果下降幅度可控；而對於高效果需求，一般是通過模型閉環優化來實現。先提供一個效果可用的啟動模型，隨著用戶的使用，進行閉環迭代更新，整個過程完成自動化，無需人工參與。
語音喚醒的典型應用
語音喚醒的應用領域十分廣泛，主要是C端產品，比如機器人、音箱、汽車等。比較有代表性的應用模式有如下幾種：
➤傳統語音交互：先喚醒設備，等設備反饋後（提示音或亮燈），用戶認為設備被喚醒了，再發出語音控制命令，缺點在於交互時間長。
➤One-shot：直接將喚醒詞和工作命令一同說出，如「叮咚叮咚，我想聽周傑倫的歌」，客戶端會在喚醒後直接啟動識別以及語義理解等服務，縮短交互時間。
➤Zero-shot：將常用用戶指定設置為喚醒詞，達到用戶無感知喚醒，例如直接對車機說「導航到科大訊飛」，這里將一些高頻前綴的說法設置成喚醒詞。
➤多喚醒：主要滿足用戶個性化的需求，給設備起多個名字。
➤所見即所說：新型的AIUI交互方式，例如用戶對車機發出「導航到海底撈」指令後，車機上會顯示「之心城海底撈」「銀泰城海底撈」等選項，用戶只需說「之心城」或「銀泰城」即可發出指令。