关于智能音箱，业界最关心的技术问题，我们来解答

受 访 人 简 介

汤跃忠

京东叮咚智能音箱首席科学家。从事语音技术研究领域20余年，现就职于京东叮咚智能音箱技术研发部门，负责语音技术、自然语言理解、机器翻译、产品创新等方面的工作。

导读：

自第一代京东叮咚智能音箱推出已经过了三年的时间，京东作为国内最早踏足智能语音交互领域的实践者，在打造京东叮咚智能音箱的过程中经历了300多次功能迭代优化升级，十几亿次的交互，积累了大量语音识别、语音合成、语音唤醒等技术经验。本文将选出几个最受业内关心的问题，直观京东叮咚智能音箱的成长之路和未来之路。

会话式人工智能作为一项技术已经研究了近50年，发展至今围绕语音交互的关键技术分别是语音识别、语音交互和自然语言处理。从2011年深度学习算法成熟以后，这三个关键性技术都取得了不同规模的发展，尤其是语音识别技术，已经进入至高速增长后的稳定发展阶段，语音识别效果近乎完全可与人类媲美。而语音合成与自然语言处理，则是最被科学家们期待的下一个会取得重大突破的技术。

>>>> 京东叮咚音箱如何提高语音识别的正确率？

京东叮咚音箱多管齐下来提高语音识别率：

首先，京东叮咚音箱在国内率先使用了麦克风阵列技术，它优异的定位、降噪、回声消除能力，为提高语音识别率打下了基础；

其次，采用了全球最领先的中文语音识别技术，在国内率先运用了深度学习的最新成果，大大提高了识别率，算法在不断地更新换代；

接着，针对京东叮咚每款音箱的不同特点，都对语音模型进行了针对性的优化；对于不同性别、年龄、口音的用户，如老人、小孩、南方用户，专门收集特征语音数据来改善语音模型；

最后，建立长效更新机制，不断收集和音箱相关的语料，更新京东叮咚音箱词汇库和语言库。这些措施保证了京东叮咚音箱的识别性能处于领先水平。

>>>> 为什么要做自定义唤醒词？

就像人们喜欢给自己的宠物起个带有意义的名字一样，当唤醒词由用户自己定义时，用户与智能音箱所搭载的智能世界之间的心理联系就建立起来了；另外唤醒是每一次用户与音箱进行交互的第一个接触点，唤醒环节的体验在整个交互过程中都极其重要，所以唤醒体验的好坏直接能影响用户接下来对音箱使用情况。

实现自定义唤醒词功能，首先要保证音箱的唤醒率，而一个唤醒词往往需要百万级别的训练数据才能生成模型，但自定义唤醒没有现成的数据，这需要依托大数据技术泛化成数据模型，将定性文本转为定量数据，过程涉及到语音学、声学、现代汉语等诸多领域。

其次，不同的唤醒词还需要自己独有的唤醒阈值，业界的普遍做法是确定唤醒词后在一个大的测试集中进行调节，但这种方案显然不适合自定义唤醒的实时需求，为此团队研发了一套稳定的阈值设置方案，保证唤醒率的同时也能够有效降低误唤醒。

最后，不是所有词语都可以作为唤醒词，技术团队引入了量化的客观标准，通过评星级的方式来告诉用户唤醒词的级别，引导用户作出正确选择。

目前京东叮咚音箱自定义唤醒词功能的使用率超过了50%，说明个性化功能得到了用户的认可，满足了用户的需求。而且使用个性化唤醒词的用户活跃度也明显超过使用系统唤醒词的。

>>>> 自然语言理解技术的应用？

语音识别是智能音箱的基础，而基于语音识别的结果的自然语言理解可以说是智能音箱的核心。在自然语言理解领域，目前主要是三种方法：以概率模型为代表的经验主义、以深度学习为代表的连接主义、以知识图谱为代表的符号主义。

这三种方法各有所长，在京东叮咚音箱系统里，科学地把这三种方法集成在同一个架构下，利用了各自的特点，在漏警和虚警之间达到一种平衡。目前，自然语言理解都是基于领域里，由于京东叮咚音箱发展得比较早，积累比较丰富，目前已经能处理数百个领域的自然语言理解。

>>>> 技术与产品之间的平衡如何把控?

智能音箱是人工智能时代的高技术产品，技术是它的基础。在智能音箱中集成了麦克风阵列降噪、语音唤醒、语音识别、语音合成、自然语言理解、物联网等当今最前沿的技术，但是智能音箱并不是简单的技术堆砌，作为产品，在需求分析、产品设计、产品开发、产品生产、产品维护过程中，要不断把握需求、成本、技术、体验之间平衡。

举个例子，在京东叮咚音箱进行内部结构设计时，既要从技术角度来保证音波和麦克风阵列的均衡触达，也要考虑安装、维护时的工艺性，同时还要考虑所用材质的成本和可靠性。再比如，研发过程中，有人曾提出是否可以支持唤醒词置后，比如“我想听歌，叮咚叮咚”，这在技术上是可行的，但是可能在体验上会带给用户音箱是否在偷听的疑惑，所以这个提议没有被采用。

对于智能硬件产品，技术是生命线，但也不能唯技术论。

>>>> 京东叮咚音箱未来的路？

作为国内智能音箱的开拓者，京东叮咚音箱一直在尝试各种新技术，持续地追踪最新的技术进步，并把这些技术运用进自己的产品中。综合对需求、成本、技术、体验等各种因素的考量，去推出新的产品迎接市场的挑战。同时，智能音箱作为IoT的重要一环和京东集团未来技术发展的重点方向之一,会持续建设和扩大IoT生态圈，让更多的用户享受到更多、更好的服务和内容。

图：京东叮咚PLAY的多模态交互

---------------------END---------------------