智能家居离线语音 - 家电论坛

　　目前，对于语音控制类的智能硬件产品在很多场景下因语音交互体验不如人意而深受诟病，究其原因主要是受限于空间距离、背景噪音、其他人声干扰、回声、混响等多重复杂因素，进而导致的识别距离近、识别率低等明显痛点。

　　除此之外，单是中国语系、方言和口音就相当多，加上中文的多语义性，所以不同地区的人使用语音控制识别率差异较大。同时，在语义识别上，也存在上下文的关联带来识别的学习难、定位难和建立模型难等问题。

　　“语音识别”技术相当于给计算机系统安装上“耳朵”，使其具备“能听”的功能。该技术经过语音信号处理、语音特征处理、模型训练及解码引擎等复杂步骤，使机器最终能够将语音中的内容、说话人、语种等信息识别出来。语音控制功能的实现，与用户的使用习惯高度关联。目前的语音控制功能实现方式可分为近场语音识别和远场语音识别二个大类。

　　近场语音识别，需要用户点击启动，并且用户与终端设备的距离比较近，如手机或其他终端设备，可直接借助这些终端设备的实现控制功能。

　　远场语音识别，以麦克风阵列远距离拾取的语音数据作为输入数据，通过语音识别的算法将语音信号转写成文字的技术。虽然和近场语音识别技术在原理上是相同的，但是由于音源和麦克风之间的空间距离增大，在声波传播过程中会出现信号强度的衰减和各种噪音干扰，因此需要特殊的语音数据拾取和预处理技术。不同的拾取设备和预处理技术常常会使用于语音识别的声波信号特征发生改变，因此针对不同的远场语音拾取技术，需要对语音识别引擎进行定制化适配和优化。