訂閱
糾錯(cuò)
加入自媒體

會撒嬌有情感,小米聲學(xué)語音技術(shù)重磅升級!

近日,小米發(fā)布了小愛音箱Art,這款音箱采用全新的金屬機(jī)身,機(jī)身揚(yáng)聲器開孔被設(shè)計(jì)成0.7mm厚度的金屬飾板,可謂功能與質(zhì)感兼具。小米小愛音箱Art通過一顆2.5英寸的全頻揚(yáng)聲器,讓聲音的細(xì)節(jié)呈現(xiàn)得更加自然。

作為小米推出的第9款智能音箱,小米小愛音箱Art在技術(shù)上也全面升級,搭載第三代小愛同學(xué),并支持情感化語音交互、全屋播放及就近喚醒。通過這款音箱得以看出,小米的聲學(xué)語音技術(shù)已經(jīng)實(shí)現(xiàn)全面自研,并在自研部分領(lǐng)域持續(xù)。

情感化語音交互:通過迭代聲學(xué)模型,支持情感TTS

對于智能設(shè)備而言,實(shí)現(xiàn)情感化語音交互是一項(xiàng)挑戰(zhàn)。"情感"本身就是主觀的、多樣的感受,一種情感可以有多種呈現(xiàn)形式,更適合人與人的面對面對話。情感化語音交互對技術(shù)要求較高,要技術(shù)方、數(shù)據(jù)方、質(zhì)檢方等多方對情感濃度、情感詮釋方式等標(biāo)準(zhǔn)達(dá)成共識,將較主觀的情感音素統(tǒng)一化、標(biāo)準(zhǔn)化。

隨著人工智能技術(shù)的發(fā)展,在實(shí)現(xiàn)人機(jī)對話的基礎(chǔ)上,各大廠商都在情感化語音交互的領(lǐng)域探索。為了讓機(jī)器加入情感元素,小米AI實(shí)驗(yàn)室在"情感數(shù)據(jù)量有限"的前提下,通過不同聲學(xué)模型、不同聲碼器組合最終上線自然、擬人效果的情感TTS,成為業(yè)內(nèi)首  家情感化TTS大規(guī)模落地的企業(yè)。

通過小米AI實(shí)驗(yàn)室的不斷深耕,此次小米小愛同學(xué)Art全面支持情感化語音交互,基于有限但類型不同的情感音頻數(shù)據(jù)(如開心、關(guān)心、害羞、驚訝等),通過不同技術(shù)訓(xùn)練并迭代聲學(xué)模型,最終支持情感TTS合成并實(shí)現(xiàn)"小愛同學(xué)"音感化、擬人化。

未來,小米語音將升級此技術(shù)――支持情感TTS實(shí)時(shí)合成。從下圖中可以看出,在大數(shù)據(jù)集的預(yù)訓(xùn)練模型基礎(chǔ)上,利用目標(biāo)說話人的中性情感數(shù)據(jù)對網(wǎng)絡(luò)進(jìn)行微調(diào),得到目標(biāo)說話人的中性情感模型;在此基礎(chǔ)上用帶情感的小批量數(shù)據(jù)對模型進(jìn)一步微調(diào),最終得到不同情感的模型,最終實(shí)現(xiàn)情感合成。

在國內(nèi)語音助手行業(yè)中,小米首  次實(shí)現(xiàn)情感化TTS的大規(guī)模落地,未來將打造情感更加豐富的"小愛同學(xué)",為用戶提供多元化的語音交互體驗(yàn),為IoT設(shè)備增加更豐富更立體更逼真的語音交互體驗(yàn)。

語音支持全屋播放:立體聲組合同步播放相同音頻

小米小愛音箱Art,是首  款可以實(shí)現(xiàn)語音支持全屋播放的設(shè)備。用戶直接對小愛同學(xué)說"全屋播放XX",無需提前在App端進(jìn)行手動(dòng)設(shè)置,即可實(shí)現(xiàn)一句話語音交互,為用戶提供了更便捷的使用方式。

要實(shí)現(xiàn)這一功能,音箱需要具備AIoT放音的技術(shù)。小米AIoT放音的自研技術(shù)在攻克無線網(wǎng)絡(luò)抖動(dòng)、晶振時(shí)鐘漂移以及弱網(wǎng)下數(shù)據(jù)不可達(dá)等一系列技術(shù)難題后,將不同音箱播放聲音的同步優(yōu)化到微秒級別,同時(shí)還實(shí)現(xiàn)了在不同型號的音箱之間的數(shù)據(jù)同步,提供更細(xì)膩的音質(zhì)和寬廣的聲像。

由這張圖可見,立體聲支持APP創(chuàng)建組網(wǎng),才能進(jìn)行語音指令和APP操作播放,全屋播放同時(shí)支持語音指令和APP創(chuàng)建組網(wǎng)。

立體聲功能同時(shí)支持語音指令和app操作播放,云端音頻流下發(fā)至音箱A,音箱A將立體聲分離為左右聲道,音箱A自己播放左聲道音頻并將右聲道音頻流下發(fā)給音箱B,由B音箱播放右聲道,精準(zhǔn)的同步技術(shù)保證音箱A和B同時(shí)播放立體聲的左右聲道音頻。全屋播放功能支持語音指令和app創(chuàng)建組網(wǎng),音頻流下發(fā)至音箱C,音箱C將音頻流混合為單聲道信號并下發(fā)給組內(nèi)其他的音箱設(shè)備同時(shí)播放,不區(qū)分聲道,可支持多個(gè)設(shè)備。

1  2  下一頁>  
聲明: 本文系OFweek根據(jù)授權(quán)轉(zhuǎn)載自其它媒體或授權(quán)刊載,目的在于信息傳遞,并不代表本站贊同其觀點(diǎn)和對其真實(shí)性負(fù)責(zé),如有新聞稿件和圖片作品的內(nèi)容、版權(quán)以及其它問題的,請聯(lián)系我們。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個(gè)字

您提交的評論過于頻繁,請輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無評論

暫無評論

    掃碼關(guān)注公眾號
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯(cuò)
    x
    *文字標(biāo)題:
    *糾錯(cuò)內(nèi)容:
    聯(lián)系郵箱:
    *驗(yàn) 證 碼:

    粵公網(wǎng)安備 44030502002758號