语音是人类沟通交流和获取信息最自然便捷的方式。家用电器带有语音交互功能的产品越来越多。

用户可以通过语音唤醒和操作不同的终端设备，大幅改善交互的便利性，提升用户体验。

语音交互是人机交互技术中最吻合人类自身交流形态的技术：

• 解放双眼、双手，无需借助于外物；
• 自然语言交互；
• 类似于人际间的人性化交流。

家居场景因为环境比较私密和封闭，噪音较少，是很好的实现语音交互的场景。而且家用电器一般长期带电，满足语音交互功能的基本要求，因此语音交互一度被认为是未来人与家居交互的主要入口路径。

按照控制模式，语音交互主要可以分为两种模式：

这种模式下，人对智能音箱说话，智能音箱将信号发到云端解析后，将控制指令再发给电器。一般只有同一生态的产品才能够实现这类互联控制。

这种模式下，人直接对着电器说话，电器也直接完成语音识别。

按照后台处理方式，可以分为离线语音和在线语音两种技术实现形式。

离线语音是在电器产品上嵌入语音模块实现简单的语音激活、语音识别、语义理解等功能。特点是能识别的语句内容有限，无需联网，反应较快。

在线语音通过互联网将语音信息发送到云端的语音处理系统，将语义理解交由云端强大的计算机处理，并可从网络中检索到更多信息（比如天气、音乐、故事等）反馈给用户。在线语音的特点是：语义识别能力强，可提供海量服务内容。

目前市场上已开始出现离在线语音混合处理的模式：简单的命令在本地处理，复杂的语句再上传云端分析。取长补短，提升用户体验。

与音箱、手机等对比，电器设备工作时，除了家居环境噪声，还有自身工作产生的本体噪声。想要获得好的语音识别效果，从麦克风和扬声器的选型到结构安装，都需要满足严格的声学标准；只有在满足了基础器件选型和结构设计要求的前提下，麦克风才能捕捉到最优的语音信号，只有最优的语音信号送到识别引擎才能获得最好的识别效果。

家电品类繁多，覆盖日常生活的方方面面。各年龄段、各地域的用户都会使用家电，甚至没有主次之分，因此需要适配不同年龄段、不同地域人群的声音特征，对声学模型鲁棒性具有较大的挑战。

针对每种方言都需要专门构建声学模型和语言模型，训练流程非常复杂。目前的方言识别方案都只是支持几种群体较大的方言，比如粤语、四川话等，但即便是只支持几种方言，识别的难度依旧较大。

对于用户来说，语音交互产品越来越多，唤醒词和口令也越来越多。

对于家电企业来说，目前还面临着一些技术上的难题：

• 传统家电与新兴技术的跨界融合缺乏经验积累，需大量技术开发和验证经验共享

• 新兴产业没有统一标准，需要行业第三方牵头

• 家居领域语音大数据，录制成本较高

• 平台和供应商卡脖子，数据积累掌握在平台手中

但是相信通过技术不断的迭代发展，未来，语音交互技术将与各种传感器相结合，通过声纹识别，定向拾音，分布式唤醒等技术，不断提升用户体验。

2021年智能家电技术峰会即将回归，敬请关注！

相关阅读：

• 协同创新，引领发展 │ 第五届智能家电（语音识别与交互技术）高峰论坛圆满落幕
• 中国电研联合家电龙头企业，成功立项三项智能家居国家标准计划
• 《智能家电语音识别与交互技术白皮书》重磅出炉
• 各路大咖共探：智能语音技术如何与家电产品深度融合

（参考资料：《2020 智能家电语音识别与交互技术白皮书》）