電子發(fā)燒友報道（文/黃山明）如何去給一個產(chǎn)品定義是否智能？能夠進行計算，能夠感知外部變化，能夠具備交互能力，簡單來說如果設(shè)備能夠像人一樣，可以思考與交流，并且可以根據(jù)指令幫助我們完成某一個特定的事情，筆者認為便可以稱之為智能產(chǎn)品，而智能汽車亦如是。

從車聯(lián)網(wǎng)到智能座艙，智能汽車技術(shù)正在快速發(fā)展，作為智能的體現(xiàn)，使用語音操控是最便捷的交互方式。據(jù)國務(wù)院發(fā)布的《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃（2021-2025）》，預計2025年新能源汽車銷量將達到1700萬輛，市場滲透率達到20%。具體到車載語音市場，據(jù)公開數(shù)據(jù)統(tǒng)計，2020年中國前裝車載語音市場（包含軟硬件）規(guī)模約為17億元人民幣，到2025年，市場規(guī)模將增長至30億元人民幣。

2019-2025年中國汽車智能語音前裝市場規(guī)模預測|ICVTank

如何讓駕駛員愛上車載語音？

相比按鍵或是觸控方案，車載語音對于車輛控制，既能避免駕駛員分心，又能提升駕駛員的駕駛體驗。同時，車載語音作為連接車聯(lián)網(wǎng)的入口，就如同當年的智能音箱一樣，受到了眾多企業(yè)的關(guān)注。但與智能音箱相比，由于車輛的使用環(huán)境、用戶群體的不同，對語音系統(tǒng)提出了更嚴苛的要求。

一個很突出的問題是，據(jù)筆者詢問過幾位新能源智能汽車車主表示，在體驗過幾次車載語音后，便表示不會再用這一功能。究其原因，主要在于用戶體驗不佳，反應(yīng)遲鈍，無法正確理解車主的需求等。

為此，電子發(fā)燒友帶著這些疑惑采訪到了清微智能CEO王博，他認為問題主要出在用戶體驗上。首先是習慣性問題，通過語音來控制并非是許多駕駛者的第一反應(yīng)；第二則是技術(shù)問題，一個指令發(fā)出去，兩三秒之后才反應(yīng)，很難說是一個很好的體驗，而且在目前的網(wǎng)絡(luò)環(huán)境下，一些特殊場景中，可能無法聯(lián)網(wǎng)進行使用；除此之外的網(wǎng)絡(luò)傳輸信息泄密等安全問題也需要考慮。

聲揚科技合伙人及產(chǎn)品VP謝基有對電子發(fā)燒友記者表示，從技術(shù)角度來看，想要讓車載語音擁有一個好的用戶體驗，需要在幾個方面上改進，一個是在車內(nèi)環(huán)境中如何精準獲取用戶的聲音，但車內(nèi)環(huán)境復雜，存在車噪、風噪等噪音，以及各種聲波反射后的混響，想要獲得精準人聲比較困難；另一個則是語音的識別率，當車載語音多次無法準確識別駕駛員的語音指令時，自然就不會再用了。

語音識別原理圖

針對這些問題，聲揚科技也聯(lián)合了ADI進行相關(guān)合作，在其芯片上集成同聲分離的算法，能夠在兩個人同時說話時，將各自的聲音區(qū)分開來進行識別。

當兩人以上同時說話時，單點的音節(jié)無法分辨，因為這兩個聲音在物理形態(tài)上處于疊加，聲波疊加后可能變成第三種聲音。汽車環(huán)境中，可以采用多麥克風陣列的方式將聲音進行收集。再進行同聲分離，分離出不同音區(qū)的聲音，后續(xù)再用算法進行降噪和去混響。

而在降噪方面，尤其是在車窗開啟時，噪聲極大。許多汽車在車內(nèi)的吸音并不一定做的很好，這種情況下車內(nèi)的噪聲，對于語音識別帶來極大挑戰(zhàn)。聲揚科技在這些方面都有較為豐富的技術(shù)積累，同時也與ADI等企業(yè)合作進行技術(shù)攻關(guān)。

至于語義的理解，目前而言已經(jīng)發(fā)展較為成熟。只要前端做的足夠好，對于后端而言壓力會減輕許多。聲揚科技在車內(nèi)場景針對數(shù)字的識別準確率可以達到99%以上，對于非固定內(nèi)容的識別率也保持在90%以上。

當車載語音能夠切實幫助駕駛員解決實際問題，精準接收并執(zhí)行駕駛員的指令，減少注意力的分散，提升駕駛體驗，這樣才能得到真正廣泛的應(yīng)用。而在目前，車載語音仍處于較為初級的階段，許多功能正在快速迭代，這也推動著車載語音滲透率的進一步增長。

離線語音算法僅KB級 對廠商提出高要求

據(jù)水木清華研究中心數(shù)據(jù)顯示，2019年，中國乘用車車載語音裝配率為48.8%；2020年1-9月，裝配率已經(jīng)提升至64.8%。從市場競爭格局來看，據(jù)中泰證券數(shù)據(jù)顯示，2020年1-4月，科大訊飛和Cerence占據(jù)83%份額，百度、思必馳、傲碩、阿里云等企業(yè)緊隨其后。

2020年1-4月國內(nèi)語音識別供應(yīng)商裝機量統(tǒng)計|中泰證券

在進行語音識別的過程中，車輛可能需要處于聯(lián)網(wǎng)狀態(tài)當中，這就對車路協(xié)同、大數(shù)據(jù)、移動網(wǎng)絡(luò)有一定的要求，而在車內(nèi)的應(yīng)用場景中，用戶使用車載語音希望能夠得到即時的反饋，如調(diào)整座椅、控制空調(diào)等，這些簡單且固定的命令可以交由本地去做。

王博認為，目前階段，車載語音主要用來人對車的一些簡單的操作，語義相對簡單和有限，離線的方案還是比較適合的。另外，隨著算法的演進和優(yōu)化，以前在云端的模型，現(xiàn)在完全可以放在車機端使用。只要讓車機具備更新語音模型的能力，就能讓離線方案也獲得不錯的用戶體驗。

清微智能的車載離線語音模塊無需聯(lián)網(wǎng)，減少了網(wǎng)絡(luò)通信的延遲，可打造真正的“無縫”連接，讓系統(tǒng)快速響應(yīng)；同時針對駕車環(huán)境，清微方案配備車噪降噪算法；另外，可重構(gòu)計算技術(shù)帶來的芯片靈活性可方便集成客戶自有算法，提升駕駛者的使用體驗。

目前而言，由于通信基礎(chǔ)設(shè)施還未完全覆蓋所有應(yīng)用場景，如地下停車場中，由于信號較差，導致聯(lián)網(wǎng)功能在一定程度上無法使用，造成用戶體驗下降。為此，聲揚科技也提供了相應(yīng)的離線解決方案，在使用聲紋識別時，可以通過離線方式來判斷駕駛員的身份。

謝基有表示，未來可能隨著5G的發(fā)展，對于信號覆蓋會有一定提升，使用云端服務(wù)會更加便捷，但并非所有場景都能夠被信號覆蓋。一個很顯著的例子是，盡管4G網(wǎng)絡(luò)發(fā)展多年，但在許多地點，如地下停車場時，信號仍然非常差，因此離線在某些場景中仍然是必須的。

此外，離線方案需要在CPU中運行，單靠MCU無法承載。即便是CPU，也需要進行深度的優(yōu)化及定制，還需要考慮到一些芯片無法進行浮點運算，則需要再做浮點程序定點化操作。但這些芯片中所預留的RAM僅有KB級，如聲揚科技在ADI的DSP芯片上運行整個算法，僅用了150KB左右，這就對于供應(yīng)商廠家技術(shù)提出了更高的要求。

聲紋識別解決安全問題 算法解決數(shù)據(jù)難題

車載語音除了幫助駕駛員解放雙手，減少注意力的分散，更多的是為駕駛員提供一種更為舒適的駕駛體驗，提高對整輛車的掌控感。但車載語音的出現(xiàn)也帶來了一個問題，當車內(nèi)并非只有一人時，其他人如果也通過語音來控制車輛，如行駛過程中打開后備箱、打開車門等，反而會對駕駛造成一定的安全隱患。

對此，謝基有表示，聲揚科技非常擅長的一個領(lǐng)域便是聲紋識別，可以判斷出哪些語音是車主本人所說的，哪些是其他人說的話。通過聲紋判定了身份也就確認了是否有進行該操作的權(quán)限，從而解決上述問題。聲揚科技也與國內(nèi)的一些汽車品牌進行合作，當行車過程中靠近某個景點，提示是否需要購買門票時，可以設(shè)定只有具備權(quán)限的人，才能完成確認進行購買支付的操作。

并且聲紋識別也可以進行活體檢測，通過語音圖譜，可以清楚的辨別是否是真人在現(xiàn)場說話，還是通過錄音回放甚至是通過語音合成的方式進行通話，這種聲紋鑒定技術(shù)也被應(yīng)用在了防電話詐騙等安防領(lǐng)域。

當然，眾所周知，做聲紋識別等生物識別技術(shù)時需要使用到大量的數(shù)據(jù)，幫助企業(yè)進行技術(shù)的迭代，但許多語音廠商拿不到主機廠的數(shù)據(jù)，主機廠沒有沒有語音廠商的技術(shù)，又不愿意分享車內(nèi)數(shù)據(jù)以提升產(chǎn)品功能，因此很難實現(xiàn)有效連接。而語音如要發(fā)揮最大優(yōu)勢，還應(yīng)該與車控以及V2X部分進行連接。但是主機廠在這方面也對語音廠商有限制，因為如果連接的話會增加主機廠的風險。

謝基有表示，V2X有兩種數(shù)據(jù)，一部分是車輛本身的行駛數(shù)據(jù)，如車速等；另一部分則是語音的數(shù)據(jù)，而語音廠商目前只需要語音數(shù)據(jù)去完成算法性能的提升，其實并不需要大量的數(shù)據(jù)，可以在應(yīng)用過程當中通過自動學習來進行迭代。

同時，在應(yīng)用之前，聲揚科技也會通過其他場景中的語音數(shù)據(jù)，來優(yōu)化算法，盡管與車內(nèi)環(huán)境場景不同，但在人物的聲紋特征上是一致的，通過降噪等算法，讓應(yīng)用環(huán)境差異變得更小，也更適用于車內(nèi)的場景。因此可以認為，聲揚科技的算法具有較好的普適性及獨創(chuàng)性。

5%到20% 新能源汽車帶動車載語音快速發(fā)展

據(jù)中汽協(xié)發(fā)布的《2021年中國汽車市場預測報告》顯示，預計2020年全年汽車總銷量將達2530萬輛，其中新能源汽車銷量約達130萬輛，占比約為5.14%。而中國推出的《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃》從政策層面明確提出，到2025年我國新能源汽車銷量將占總銷量的20%，顯然未來幾年，新能源汽車還有巨大的發(fā)展機遇。

而新能源汽車的快速發(fā)展，也將帶動車載語音的快速滲透。謝基有認為，新能源汽車代表著造車新勢力，他們對于新技術(shù)的接受程度會更高，并且新能源汽車一個很大的亮點就是智能，除了ADAS智能輔助駕駛系統(tǒng)外，智能座艙也是也是其中重要的一環(huán)，而車載語音便是與智能座艙緊密結(jié)合。

在過去幾年，汽車中車載語音大多在后裝市場，許多傳統(tǒng)車企對于新技術(shù)的接受程度較低，想要說服這些企業(yè)在前裝便把語音系統(tǒng)加入進去較為困難，因此只能采用后裝的方式，這時候就出現(xiàn)了如智能后視鏡、智能中控等技術(shù)。

不過目前有一個趨勢，車載語音正在向前裝市場滲透，隨著新能源汽車的快速發(fā)展，對于車載語音具有極大的推動作用。聲揚科技也表示，會持續(xù)在兩個方面進行發(fā)力，一個是前端語音信號的處理，如何去解決源頭的問題；二是解決安全性問題，通過聲紋識別，如何在操作控制過程當中將安全性做好。

能夠看到，在這個市場中，匯集了許多互聯(lián)網(wǎng)大咖，對于這些巨頭而言，需要做完整的智能生態(tài)，因此車載語音這一塊自然也不會放過。但并不代表BAT這些巨頭做了生態(tài)之后，其他企業(yè)就沒有機會了。車載語音包含了太多的技術(shù)點，而每一個技術(shù)都能夠產(chǎn)生巨大的市場空間。

就如同王博所提到的那樣，車載語音場景為駕駛員帶來更大的安全性，而語音交互也并非新的技術(shù)，最后必然會成為一種標配，隨著網(wǎng)絡(luò)速度和技術(shù)的發(fā)展，帶來的無非是駕駛者對其依賴的程度逐漸加深，從目前的可有可無變?yōu)檎嬲男枨蟆?br />
本文由電子發(fā)燒友原創(chuàng)，轉(zhuǎn)載請注明以上來源。如需入群交流，請?zhí)砑游⑿舉lecfans999，投稿爆料采訪需求，請發(fā)郵箱huangjingjing@elecfans.com。