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。

請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個(gè)字
最新活動(dòng)更多
-
3月27日立即報(bào)名>> 【工程師系列】汽車電子技術(shù)在線大會
-
4月30日立即下載>> 【村田汽車】汽車E/E架構(gòu)革新中,新智能座艙挑戰(zhàn)的解決方案
-
5月15-17日立即預(yù)約>> 【線下巡回】2025年STM32峰會
-
即日-5.15立即報(bào)名>>> 【在線會議】安森美Hyperlux™ ID系列引領(lǐng)iToF技術(shù)革新
-
5月15日立即下載>> 【白皮書】精確和高效地表征3000V/20A功率器件應(yīng)用指南
-
5月16日立即參評 >> 【評選啟動(dòng)】維科杯·OFweek 2025(第十屆)人工智能行業(yè)年度評選
推薦專題
- 1 UALink規(guī)范發(fā)布:挑戰(zhàn)英偉達(dá)AI統(tǒng)治的開始
- 2 北電數(shù)智主辦酒仙橋論壇,探索AI產(chǎn)業(yè)發(fā)展新路徑
- 3 降薪、加班、裁員三重暴擊,“AI四小龍”已折戟兩家
- 4 “AI寒武紀(jì)”爆發(fā)至今,五類新物種登上歷史舞臺
- 5 國產(chǎn)智駕迎戰(zhàn)特斯拉FSD,AI含量差幾何?
- 6 光計(jì)算迎來商業(yè)化突破,但落地仍需時(shí)間
- 7 東陽光:2024年扭虧、一季度凈利大增,液冷疊加具身智能打開成長空間
- 8 地平線自動(dòng)駕駛方案解讀
- 9 封殺AI“照騙”,“淘寶們”終于不忍了?
- 10 優(yōu)必選:營收大增主靠小件,虧損繼續(xù)又逢關(guān)稅,能否乘機(jī)器人東風(fēng)翻身?