（文章來源：雷鋒網(wǎng)）

據(jù)科技市場研究企業(yè) Canalys 發(fā)布的第二季度全球智能音箱市場報告，百度繼今年上一季度超越阿里后，再度超越該行業(yè)的“雙寡頭”之一谷歌，成為全球第二大智能音箱供應商。

在智能音箱這一賽道，相比其他頭部廠商，百度入局稍晚，如今卻能力壓群雄取得一系列亮眼成績。百度系智能音箱作為 C 端可體驗產(chǎn)品，普通用戶對其音質(zhì)、聽感等各方面都有較為直觀的感受，而所有優(yōu)質(zhì)體驗的背后，百度在智能語音技術上的積累可謂功不可沒。從智能音箱的遠場語音識別、對話交互技術甚至產(chǎn)品硬件技術，百度始終堅持“親力親為”，為智能音箱積淀了一整套完善一體的技術儲備和解決方案，從而為小度智能音箱的體驗提供了強大的后盾支持。

“百度發(fā)布SMLTA模型，帶來語音技術世界級突破”、“小度智能音箱首度落地完全意義上的全雙工連續(xù)交互技術”，無論是語音喚醒、語音交互，還是遠場信號處理、聲學技術乃至產(chǎn)品硬件技術，百度都給智能語音技術領域帶來過不少驚艷的突破創(chuàng)新，得到 C 端用戶的認可，經(jīng)過市場的檢驗，這也是對百度在智能語音技術一系列突破性進展的最好回響。

除了在智能語音領域有著整體全面的技術布局，在每一項語音技術上，百度更是在不斷深耕。下面，AI 科技評論將聚焦智能音箱這一遠場語音識別產(chǎn)品的關鍵性技術，主要從語音喚醒算法、語音交互模式、遠場信號處理、語音聲學技術以及產(chǎn)品硬件技術五個維度，來對百度蓄力爆發(fā)的小度智能音箱背后的黑科技進行揭秘。

人要跟智能音箱進行對話，第一道關卡便是語音喚醒，因而語音喚醒對于后續(xù)的整個用戶體驗而言，至關重要。然而在智能音箱這一遠場語音識別載體中，而技術本身，外部環(huán)境對于語音喚醒質(zhì)量的高低有著非常直接的影響。例如當外部噪音很大時，誤喚醒等問題就非常突出了。

而百度，除了面臨所有智能音箱產(chǎn)品都面臨的此類挑戰(zhàn)外，還存在其內(nèi)部獨有的喚醒技術難點。包括，第一，“小度小度”作為百度智能音箱的喚醒詞，雖朗朗上口，但它相對于市面上其他音箱常用的“你好xx”、“xx同學”技術上更不容易控制誤報率；第二，百度的產(chǎn)品矩陣豐富，更使得喚醒技術所面臨的外部環(huán)境更加復雜多變，因而對喚醒的精度和誤報的控制提出了更高的挑戰(zhàn)。

針對這些挑戰(zhàn)和技術難點，百度首先從算法層面實現(xiàn)了語音喚醒技術的突破，即將誤喚醒的控制由對著測試集手工調(diào)節(jié)變成了海量數(shù)據(jù)訓練驅(qū)動的過程，并具體從兩個方面提升了模型的建模能力：“每輪對話之前，都要喚醒一次”，這是當下市面上多數(shù)智能音箱的常態(tài)，也是人們在使用智能音箱期間的最大槽點之一。人們對于智能音箱“像人與人一樣交流”的憧憬要想實現(xiàn)，首要條件之一就是要能夠做到：持續(xù)對話。

在智能音箱的連續(xù)交互能力上，百度為小度智能音箱研發(fā)的全雙工免喚醒能力的表現(xiàn)，非常出色。這項能力組合應用了語音語義聯(lián)合的尾點檢測技術、全雙工語音識別技術、置信度技術和語音語義一體化技術，在實現(xiàn)“一次對話，多輪交互”的同時，還能快速響應，并良好地區(qū)分用戶交互意圖。

據(jù)悉，與目前業(yè)內(nèi)最好的基于CTC模型的語音識別系統(tǒng)相比，SMLTA基于截斷的端到端語音識別建模方法，讓語音識別錯誤率的下降幅度達15%以上。而除了語音識別技術，在當下的智能音箱市場，一款音箱要成為“好賣”的音箱，其中一個非常重要的因素就是性價比。如何將智能音箱的成本降到盡可能低，并擁有比同價位的競品更加出色的音質(zhì)，同時還能夠有效控制住音頻失真確保喚醒識別率呢？

整體而言，智能語音作為AI 領域相對比較成熟的細分方向，近年來在產(chǎn)品落地方面也都走在其他技術的前面。但這些技術具體落地到某個具體場景或特殊場景中時，面臨的挑戰(zhàn)依舊巨大。如何不斷優(yōu)化智能語音技術，并實現(xiàn)技術的大規(guī)模產(chǎn)品落地，依舊是該領域需要大力探索的主題。

未來，智能音箱要想取得更加明顯的體驗提升，背后技術的突破創(chuàng)新是繞不開的一個話題。百度語音技術團隊不斷在攻堅克難，算法迭代創(chuàng)新，并善于將之應用在落地產(chǎn)品中。就在前不久，百度語音首席架構(gòu)師賈磊的回歸，又將為百度語音技術帶來怎樣的變化和突破？拭目以待。