物聯(lián)網(wǎng)，作為人類最自然、最方便的通訊方式，聲音正成為所有智能設(shè)備的重要入口，但聲音進(jìn)入的關(guān)鍵往往并不令人滿意。就智能家居而言，它們的選音范圍大多集中在2~3米的近場(chǎng)環(huán)境中，拾取效果不佳，需要多次喚醒。

        如果把相機(jī)比作"眼睛"，那么拾音器就是"耳朵"。眼睛看到的圖像和耳朵聽到的聲音結(jié)合在一起，形成了一個(gè)基本的音頻和視頻記錄系統(tǒng)。然而，這種靈活的耳朵會(huì)受到許多因素的影響，如拾取距離、室內(nèi)混響、環(huán)境噪聲等，而這對(duì)拾取聲音是一個(gè)很大的挑戰(zhàn)。

        據(jù)了解，iFLYTEK系列配有32部麥克風(fēng)、主要的自動(dòng)聲源定位、自適應(yīng)波束形成和混響抑制技術(shù)，以及基于深度學(xué)習(xí)的噪聲抑制和語(yǔ)音自動(dòng)增益調(diào)整算法，可以實(shí)現(xiàn)說話人的自動(dòng)定位、噪聲和混響抑制、音量自動(dòng)調(diào)整等功能，從而達(dá)到準(zhǔn)確拾取聲音的目的。

        自動(dòng)跟蹤聲源，準(zhǔn)確拾取30分貝的超低音量

        最近，一位科技博主對(duì)皮卡的評(píng)價(jià)引起了人們的注意。在視頻中，iFLYTEK聽了一系列產(chǎn)品，以及來自美國(guó)森·赫塞爾(Sen Hessel)和舒爾(Schur)的類似產(chǎn)品，"在同一舞臺(tái)上競(jìng)爭(zhēng)。"iFLYTEK表現(xiàn)不錯(cuò)。

        在模擬30分貝耳朵聽不到超小音量的環(huán)境下，森·赫塞爾拾起穩(wěn)定、清晰的內(nèi)容，舒爾拾起的聲音很小，很難分辨語(yǔ)音的內(nèi)容，iFLYTEK聽的內(nèi)容清晰，音質(zhì)較好。

        這主要是由于使用了iFLYTEK公司開發(fā)的全自動(dòng)聲源定位技術(shù)。只要有輕微的聲音，它就能像聚光燈一樣快速地定位聲源，并能抑制其他方向的混響和噪音。在實(shí)際應(yīng)用中，32臺(tái)麥克風(fēng)陣列每天能接收7×24小時(shí)的聲音，全向、無(wú)死角，并能準(zhǔn)確地捕捉低至30分貝的超低音量。

        克服技術(shù)上的困難，傾聽降噪的能力是驚人的

        聲學(xué)環(huán)境比預(yù)期更復(fù)雜，環(huán)境噪聲、干擾噪聲、電流噪聲和其他噪聲在時(shí)間和頻譜上經(jīng)常重疊，再加上回聲和混響的影響，很難捕捉到相對(duì)純的語(yǔ)音。在視頻中，評(píng)估人員分別模擬了70分貝和90分貝的環(huán)境噪聲。結(jié)果表明，即使是90分貝的極端噪聲環(huán)境也抑制了噪聲，談話內(nèi)容仍然清晰。

        面對(duì)噪聲的挑戰(zhàn)，iFLYTEK在時(shí)域、頻域和空域聆聽信息可以有效地增強(qiáng)語(yǔ)音，顯著抑制噪聲對(duì)目標(biāo)語(yǔ)音的影響。首先，它通過聲音定位技術(shù)對(duì)語(yǔ)音進(jìn)行拾取，進(jìn)行語(yǔ)音增強(qiáng)，實(shí)現(xiàn)了初步的降噪效果；然后進(jìn)行了基于波束形成和深度學(xué)習(xí)的語(yǔ)音增強(qiáng)算法，并根據(jù)人耳的聽覺特性自動(dòng)增加和優(yōu)化了音量，使聲音更加充分。

        核心語(yǔ)音技術(shù)推動(dòng)發(fā)展，為未來創(chuàng)造多個(gè)場(chǎng)景

        萬(wàn)事聯(lián)姻的時(shí)代已經(jīng)到來，充滿活力的IOT將激發(fā)無(wú)限的可能性，前端接收到的聲音質(zhì)量無(wú)疑會(huì)影響后期的語(yǔ)音處理水平。

        聆聽系列產(chǎn)品是iFLYTEK公司21年來堅(jiān)持核心技術(shù)自主創(chuàng)新的體現(xiàn)。自2018年以來，iFLYTEK已經(jīng)贏得了30項(xiàng)國(guó)際人工智能比賽，涵蓋語(yǔ)音識(shí)別、語(yǔ)音合成、機(jī)器閱讀理解、手勢(shì)識(shí)別、圖像識(shí)別等多個(gè)領(lǐng)域。隨著技術(shù)技能的突破，iFLYTEK也為皮卡的多種應(yīng)用場(chǎng)景的著陸提供了強(qiáng)有力的技術(shù)支持。過去，采音設(shè)備成本高，音質(zhì)差，方向性強(qiáng)，不能大面積推廣，引入聽力，可能會(huì)打破這一現(xiàn)象。

        據(jù)報(bào)道，聽力系列產(chǎn)品在未來可以廣泛應(yīng)用于安全、交通、高質(zhì)量會(huì)議等關(guān)鍵場(chǎng)所和關(guān)鍵部位，其實(shí)際應(yīng)用可以說有很大的潛力。以公共場(chǎng)所為例，以往的大部分視頻都不能準(zhǔn)確地拾取聲音，音視頻的有效結(jié)合，全方位的音像采集解決了簡(jiǎn)單視頻圖像的死角，有利于防止群體性侵權(quán)事件的發(fā)生，滿足更現(xiàn)實(shí)的需要。