智能語音是人工智能技術(shù)的重要組成部分,包括聲音前端信號處理、語音識別、語義理解、自然語言處理、語音合成等細分領(lǐng)域。在技術(shù)的具體落地中,消費級智能硬件是最早顯示出市場潛力的賽道,從藍牙耳機到可穿戴設(shè)備再到智能家居,各種產(chǎn)品都離不開相關(guān)的智能語音技術(shù),而語音交互的第一步就是聽見,聲音前端信號處理的效果一定程度上制約了語音識別的效果,當(dāng)前也有一些公司正在解決這一讓各類產(chǎn)品“聽得更清晰”的問題。
36氪日前接觸到的「大象聲科」,是一家專注于機器聽覺的人工智能公司。該公司于2017年在深圳成立,致力于應(yīng)用深度學(xué)習(xí)變革傳統(tǒng)語音信號處理,讓機器擁有類似人耳一樣的聽覺感知能力。據(jù)了解,「大象聲科」技術(shù)的理論基礎(chǔ)為CASA(計算機聽覺場景分析)+DNN(深度神經(jīng)網(wǎng)絡(luò)技術(shù))。CASA 解決的問題是基于人的聽覺原理來實現(xiàn)聲源分離,該理論的奠基人汪德亮教授也是「大象聲科」的首席科學(xué)家和聯(lián)合創(chuàng)始人。公司通過將CASA和深度學(xué)習(xí)相結(jié)合,在業(yè)內(nèi)首家成功實現(xiàn)大規(guī)模商用級的噪音和人聲的分離,后續(xù)有望進一步解決雞尾酒會問題。(注:雞尾酒會問題是語音識別領(lǐng)域的痛點和難點,人們在雞尾酒會中交談,語音信號會重疊在一起,機器需要將它們分離成獨立的信號)
公司創(chuàng)始人兼CEO苗健彰向記者對比了傳統(tǒng)信號處理和基于深度學(xué)習(xí)的信號處理方式的差別——傳統(tǒng)的數(shù)字信號處理方式主要依據(jù)固定噪音特性和方向,通過濾波器對信號進行相應(yīng)的過濾和增強。但因為生活中的噪音不一定存在固定特性,并可能來自于各種方向反射,所以傳統(tǒng)方式或許無法徹底解決復(fù)雜噪聲環(huán)境中的問題。而CASA+DNN的方案是讓機器通過訓(xùn)練獲得與人類聽覺感知相似的機制,從而去認知周邊的聲場環(huán)境,在復(fù)雜場景中提取、識別人聲。
在技術(shù)產(chǎn)業(yè)化這一塊,「大象聲科」首先從“降噪”切入,一方面解決通訊過程中的噪音干擾問題,讓人們在復(fù)雜的現(xiàn)實噪聲場景中擁有更加清晰、更加私密的通話體驗;另一方面解決語音識別中噪聲干擾問題,讓機器在“聽清”之后聽得“更懂”。為此,公司推出了Vocplus智能語音增強和Vocplus Smart智能語音交互方案,目前已經(jīng)在手機、耳機、PC、對講機、VoIP、IoT等行業(yè)成功落地。
在研發(fā)過程中,苗健彰認為,把技術(shù)從理論進行工程落地轉(zhuǎn)化是最大的難點,其中將神經(jīng)網(wǎng)絡(luò)小型化和模型的泛化是決定深度學(xué)習(xí)能否應(yīng)用于實際產(chǎn)品中的重要環(huán)節(jié)。“大象聲科在這方面有一套獨特的技術(shù),能夠在不損失精度的情況下,使得算法參數(shù)盡量少,計算速度盡量快,這也是為什么目前我們的深度學(xué)習(xí)降噪算法快速落地到像耳機這類可穿戴產(chǎn)品。另外,市面上已經(jīng)有上千萬臺設(shè)備搭載了公司的算法,幫助公司沉淀了大量數(shù)據(jù)。大象聲科將人耳的聽覺機理與深度學(xué)習(xí)相結(jié)合,也大幅提升了算法的泛化性能,形成了較高的技術(shù)壁壘。”他介紹。
相較而言,公司目前在手機、耳機等消費電子行業(yè)有比較多的應(yīng)用案例,這和行業(yè)本身的需求和規(guī)模相關(guān)。“現(xiàn)在中國絕大部分的手機品牌,比如小米、OPPO、vivo都已經(jīng)有使用「大象聲科」的通話降噪技術(shù)(Vocplus Telecom)以及游戲抗嘯叫技術(shù)(DHS)的量產(chǎn)案例。”苗健彰說。在前不久發(fā)布的華為FreeLace Pro耳機上,也搭載了公司的Vocplus AI三麥通話降噪方案。
此外,自去年以來的TWS耳機增長浪潮,也讓越來越多的耳機廠商逐漸采納以AI技術(shù)為主導(dǎo)的通話降噪方案。「大象聲科」是率先在藍牙耳機上落地AI語音降噪的公司,首個成功量產(chǎn)案例是OPPO Enco Q1 。并且,2020年「大象聲科」與漫步者合作,成功落地了第一個AI算法結(jié)合骨傳導(dǎo)sensor的通話降噪方案,可以讓TWS耳機在通話時完全屏蔽周圍噪音(包含人聲噪音在內(nèi)),實現(xiàn)私密性更強的通話體驗。
談及客戶方的具體考量維度,苗健彰介紹客戶主要會圍繞通話清晰度進行評價,在這方面,業(yè)內(nèi)有一套衡量通話降噪效果的客觀標(biāo)準3QUEST,測試指標(biāo)包括:S-MOS(人聲保留程度),N-MOS(噪音消除程度),G-MOS(綜合通話降噪性能),而公司由于采用較獨特的AI技術(shù),在測評中得以展現(xiàn)優(yōu)勢。
在產(chǎn)業(yè)合作上,「大象聲科」目前已與Qualcomm,CEVA,Cirrus Logic,Infineon,Rockchip和BES等國內(nèi)外知名芯片廠商建立合作關(guān)系。其中值得一提的是,公司在2018年拿到了小米和高通的融資,并在之后和高通一起進行聯(lián)合技術(shù)推廣,這也為公司在市場拓展和品牌建設(shè)方面提供了一定幫助。在收費模式上,大象有按照license授權(quán)和按項目收費兩種方式,當(dāng)前l(fā)icense總裝機量在數(shù)千萬級別,今年的營收在數(shù)千萬元量級。
在未來的行業(yè)延展中,「大象聲科」計劃進一步完善整個語音技術(shù)鏈條,把應(yīng)用場景從近場拓展到遠場,為更多行業(yè)如助聽器、智能家居、會議系統(tǒng)、智能車載等帶來更精準更智能的語音解決方案。
團隊方面,公司創(chuàng)始人兼CEO苗健彰UBC軟件工程學(xué)碩士畢業(yè),曾就職于IBM、RBC等500強企業(yè),并在加拿大成功創(chuàng)辦過一家軟件公司 。聯(lián)合創(chuàng)始人兼首席科學(xué)家汪德亮教授是計算機聽覺場景分析奠基人之一,也是全球首位將深度學(xué)習(xí)應(yīng)用于語音增強的科學(xué)家。聯(lián)合創(chuàng)始人兼CTO張學(xué)良多年從事語音分離、增強算法研發(fā)工作,是內(nèi)蒙古大學(xué)計算機學(xué)院教授。
-
人工智能
+關(guān)注
關(guān)注
1806文章
48984瀏覽量
248922 -
智能語音
+關(guān)注
關(guān)注
11文章
803瀏覽量
49495 -
深度學(xué)習(xí)
+關(guān)注
關(guān)注
73文章
5560瀏覽量
122750
原文標(biāo)題:用深度學(xué)習(xí)改變語音信號處理,大象聲科讓機器像人耳一樣“聆聽”
文章出處:【微信號:MEMSensor,微信公眾號:MEMS】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
明遠智睿SSD2351開發(fā)板:語音機器人領(lǐng)域的變革力量
仿生傳感器:讓機器擁有“生命感知”的神奇科技
讓人形機器人像人一樣去感知,這家國產(chǎn)芯片公司選擇從信號鏈入手

海伯森技術(shù)推動機器人感知能力邁向新高度
語音信號經(jīng)過放大器到TLC320AD50C,放大倍數(shù)一般多少倍?
為什么要費這么大勁讓機器人像人一樣,而不是更實用的形態(tài)?
40個激光雷達!蘋果布局機器人感知系統(tǒng),讓碰撞降低63.7%

傳統(tǒng)機器學(xué)習(xí)方法和應(yīng)用指導(dǎo)

【「具身智能機器人系統(tǒng)」閱讀體驗】2.具身智能機器人大模型
【「具身智能機器人系統(tǒng)」閱讀體驗】+初品的體驗
語音識別與自然語言處理的關(guān)系
語音識別機器人的工作原理
基于MATLAB的數(shù)字濾波器語音信號去噪

評論