在車(chē)聯(lián)網(wǎng)時(shí)代來(lái)臨的前夕，我們車(chē)上已經(jīng)有 GPS、行車(chē)記錄儀、藍(lán)牙喇叭等設(shè)備，營(yíng)造更便利的駕駛環(huán)境。不過(guò)，在上路前免不了的一連串手動(dòng)輸入或設(shè)定，卻又不是那么方便了，更遑論開(kāi)車(chē)到一半時(shí)要進(jìn)行變更。即使是趁著等紅燈的空檔，只要還得伸手去屏幕上按來(lái)按去，就多少增加了行車(chē)風(fēng)險(xiǎn)。于是，為了駕駛?cè)伺c乘客更舒適安全的的乘車(chē)體驗(yàn)，語(yǔ)音助理搭配人工智能將是不可或缺的環(huán)節(jié)。

然而，這樣一來(lái)我們就得面對(duì)另一個(gè)難題，便是這些車(chē)用語(yǔ)音智能產(chǎn)品，如何能提供優(yōu)異的語(yǔ)音辨識(shí)品質(zhì)，提高辨識(shí)率，讓機(jī)器準(zhǔn)確接收我們的指令呢？想像一下，你載著滿(mǎn)車(chē)朋友出游，在國(guó)道上高速行駛，大家快意談笑，夾雜引擎運(yùn)轉(zhuǎn)與風(fēng)噪聲，可能還正好放著一首 Lana Del Rey 的《Burning Desire》，使你不自覺(jué)腳踩油門(mén)。這時(shí)車(chē)內(nèi)環(huán)境噪音絕對(duì)高于 70dB（分貝），而且還夾雜不同頻率的聲音。因此，讓產(chǎn)品偵測(cè)說(shuō)話的人并接收正確指令，是相當(dāng)令人頭痛的問(wèn)題。

環(huán)境噪音對(duì)語(yǔ)音通訊品質(zhì)的影響

在語(yǔ)音辨識(shí)的流程中，可分為五道程序：包含語(yǔ)音輸入及語(yǔ)音訊號(hào)處理、語(yǔ)音特征擷取、以聲學(xué)模型（acousTIc model）進(jìn)行語(yǔ)音單元辨識(shí)、以語(yǔ)言模型（language model）來(lái)組織語(yǔ)音單元、解碼及輸出等。

目前語(yǔ)音助理的市場(chǎng)上，Microsoft 耕耘最久，Apple、Google 相繼而起，以完善智能手機(jī)體驗(yàn)為目標(biāo)；近期火熱的 Amazon Echo，其語(yǔ)音助理 Alexa 則一開(kāi)始就以獨(dú)立的聲控家用平臺(tái)為定位，建立自身生態(tài)系。以上這幾家語(yǔ)音助理開(kāi)發(fā)商，基本上已經(jīng)掌握后面四道程序。不過(guò)，一旦來(lái)到車(chē)用領(lǐng)域，產(chǎn)品設(shè)備開(kāi)發(fā)商則勢(shì)必要在語(yǔ)音輸入及語(yǔ)音訊號(hào)處理的程序上，投注更多心力。

車(chē)用語(yǔ)音智能產(chǎn)品在車(chē)內(nèi)環(huán)境中，與使用者的距離不出 0.5~1 米之內(nèi)。一般汽車(chē)引擎發(fā)動(dòng)后且車(chē)窗緊閉的情況下，車(chē)內(nèi)噪音約 60dB 左右。假設(shè)使用者發(fā)出約 89dB 的聲音（即一般說(shuō)話音量的平均值），此時(shí)嘴邊的訊噪比為 29dB，足以維持良好的通訊品質(zhì)。但你不會(huì)想要每次下指令還得把臉貼到汽車(chē)面板前，因此 0.5~1 米是產(chǎn)品接收語(yǔ)音訊號(hào)的合理距離。然而，當(dāng)說(shuō)話聲音傳到 0.5 米時(shí)會(huì)衰減至 65dB，此時(shí)訊噪比只剩 5dB；說(shuō)話聲音到 1 米時(shí)則只剩 60dB，與噪音的音量相當(dāng)，更不用說(shuō)上述提到高速行駛的環(huán)境下，噪音都比發(fā)出指令的人聲還要大。

符合標(biāo)準(zhǔn)的車(chē)用通訊品質(zhì)

當(dāng)面臨車(chē)聯(lián)網(wǎng)逐漸完善、語(yǔ)音應(yīng)用普及化，越來(lái)越多車(chē)廠要求內(nèi)建 Android Auto、Apple Carplay 等智能助理，而這些都需要按照 ITU-T P.1110/P.1100 語(yǔ)音標(biāo)準(zhǔn)來(lái)設(shè)計(jì)，對(duì)代工組裝或設(shè)計(jì)加工的車(chē)用電子系統(tǒng)廠來(lái)說(shuō)，等于是踏入未知的領(lǐng)域，只能以現(xiàn)有產(chǎn)品不斷偵錯(cuò)找出問(wèn)題，相當(dāng)耗費(fèi)時(shí)間。因此像是貝爾聲學(xué)這種第三方語(yǔ)音測(cè)試實(shí)驗(yàn)室，就會(huì)從麥克風(fēng)模組、連接線材等部分測(cè)試，首先幫廠商判斷選料是否正確。

貝爾聲學(xué)曾針對(duì)一款舊的車(chē)用麥克風(fēng)模組進(jìn)行測(cè)試，該模組配兩顆 ECM 電容式類(lèi)比麥克風(fēng)，一顆為全指向性，主要用來(lái)收環(huán)境音，作為背景噪音消除演算法的用途；另一顆為單指向性，收音方向指向駕駛，用來(lái)接收駕駛的語(yǔ)音訊號(hào)。依據(jù) ITU-T P.1110 測(cè)試方式，得出了以下數(shù)據(jù)：

從結(jié)果可以看到，麥克風(fēng)模組離標(biāo)準(zhǔn)建議值太遠(yuǎn)，感度差了約 30dB，因此訊號(hào)必須放大 30dB，才能滿(mǎn)足標(biāo)準(zhǔn)建議值。然而，這意味著雜訊也會(huì)跟著放大，造成語(yǔ)音品質(zhì)跟辨識(shí)率低落。代表這款麥克風(fēng)一開(kāi)始根本就不該出現(xiàn)在車(chē)用語(yǔ)音智能產(chǎn)品上。透過(guò)貝爾聲學(xué)的協(xié)助，能讓廠商快速找到癥結(jié)點(diǎn)，避免進(jìn)行過(guò)多無(wú)意義的測(cè)試。

由于車(chē)子所處的環(huán)境噪音會(huì)隨著車(chē)速、路段、路況、空調(diào)、乘客及音響等各種因素不斷改變，而背景降噪演算法不易解決時(shí)時(shí)變動(dòng)且突發(fā)性的聲音，所以車(chē)用語(yǔ)音智能產(chǎn)品可以著重在一些細(xì)節(jié)，幫助提升通訊品質(zhì)。例如采用兩顆以上的麥克風(fēng)陣列，以進(jìn)行較佳的背景降噪演算法；采用訊噪比較高的麥克風(fēng)，最好是 SNR 58dB 以上。其次，把麥克風(fēng)置于離駕駛嘴巴最近的位置，如方向盤(pán)附近；但同時(shí)又要盡量縮短麥克風(fēng)線材至主機(jī)的距離，且加強(qiáng)線材隔絕性，以減少外來(lái)的雜訊。最后，則是加上回音消除（Echo cancellaTIon）、背景降噪（Background noise reducTIon）以及麥克風(fēng)自動(dòng)增益（Mic auto gain control）等三種功能，幫助提升語(yǔ)音辨識(shí)率。