从17亿到30亿 前装车载语音正在变成刚需

电子发烧友报道（文/黄山明）如何去给一个产品定义是否智能？能够进行计算，能够感知外部变化，能够具备交互能力，简单来说如果设备能够像人一样，可以思考与交流，并且可以根据指令帮助我们完成某一个特定的事情，笔者认为便可以称之为智能产品，而智能汽车亦如是。

从车联网到智能座舱，智能汽车技术正在快速发展，作为智能的体现，使用语音操控是最便捷的交互方式。据国务院发布的《新能源汽车产业发展规划（2021-2025）》，预计2025年新能源汽车销量将达到1700万辆，市场渗透率达到20%。具体到车载语音市场，据公开数据统计，2020年中国前装车载语音市场（包含软硬件）规模约为17亿元人民币，到2025年，市场规模将增长至30亿元人民币。

2019-2025年中国汽车智能语音前装市场规模预测|ICVTank

如何让驾驶员爱上车载语音？

相比按键或是触控方案，车载语音对于车辆控制，既能避免驾驶员分心，又能提升驾驶员的驾驶体验。同时，车载语音作为连接车联网的入口，就如同当年的智能音箱一样，受到了众多企业的关注。但与智能音箱相比，由于车辆的使用环境、用户群体的不同，对语音系统提出了更严苛的要求。

一个很突出的问题是，据笔者询问过几位新能源智能汽车车主表示，在体验过几次车载语音后，便表示不会再用这一功能。究其原因，主要在于用户体验不佳，反应迟钝，无法正确理解车主的需求等。

为此，电子发烧友带着这些疑惑采访到了清微智能CEO王博，他认为问题主要出在用户体验上。首先是习惯性问题，通过语音来控制并非是许多驾驶者的第一反应；第二则是技术问题，一个指令发出去，两三秒之后才反应，很难说是一个很好的体验，而且在目前的网络环境下，一些特殊场景中，可能无法联网进行使用；除此之外的网络传输信息泄密等安全问题也需要考虑。

声扬科技合伙人及产品VP谢基有对电子发烧友记者表示，从技术角度来看，想要让车载语音拥有一个好的用户体验，需要在几个方面上改进，一个是在车内环境中如何精准获取用户的声音，但车内环境复杂，存在车噪、风噪等噪音，以及各种声波反射后的混响，想要获得精准人声比较困难；另一个则是语音的识别率，当车载语音多次无法准确识别驾驶员的语音指令时，自然就不会再用了。

语音识别原理图

针对这些问题，声扬科技也联合了ADI进行相关合作，在其芯片上集成同声分离的算法，能够在两个人同时说话时，将各自的声音区分开来进行识别。

当两人以上同时说话时，单点的音节无法分辨，因为这两个声音在物理形态上处于叠加，声波叠加后可能变成第三种声音。汽车环境中，可以采用多麦克风阵列的方式将声音进行收集。再进行同声分离，分离出不同音区的声音，后续再用算法进行降噪和去混响。

而在降噪方面，尤其是在车窗开启时，噪声极大。许多汽车在车内的吸音并不一定做的很好，这种情况下车内的噪声，对于语音识别带来极大挑战。声扬科技在这些方面都有较为丰富的技术积累，同时也与ADI等企业合作进行技术攻关。

至于语义的理解，目前而言已经发展较为成熟。只要前端做的足够好，对于后端而言压力会减轻许多。声扬科技在车内场景针对数字的识别准确率可以达到99%以上，对于非固定内容的识别率也保持在90%以上。

当车载语音能够切实帮助驾驶员解决实际问题，精准接收并执行驾驶员的指令，减少注意力的分散，提升驾驶体验，这样才能得到真正广泛的应用。而在目前，车载语音仍处于较为初级的阶段，许多功能正在快速迭代，这也推动着车载语音渗透率的进一步增长。

离线语音算法仅KB级 对厂商提出高要求

据水木清华研究中心数据显示，2019年，中国乘用车车载语音装配率为48.8%；2020年1-9月，装配率已经提升至64.8%。从市场竞争格局来看，据中泰证券数据显示，2020年1-4月，科大讯飞和Cerence占据83%份额，百度、思必驰、傲硕、阿里云等企业紧随其后。

2020年1-4月国内语音识别供应商装机量统计|中泰证券

在进行语音识别的过程中，车辆可能需要处于联网状态当中，这就对车路协同、大数据、移动网络有一定的要求，而在车内的应用场景中，用户使用车载语音希望能够得到即时的反馈，如调整座椅、控制空调等，这些简单且固定的命令可以交由本地去做。

王博认为，目前阶段，车载语音主要用来人对车的一些简单的操作，语义相对简单和有限，离线的方案还是比较适合的。另外，随着算法的演进和优化，以前在云端的模型，现在完全可以放在车机端使用。只要让车机具备更新语音模型的能力，就能让离线方案也获得不错的用户体验。

清微智能的车载离线语音模块无需联网，减少了网络通信的延迟，可打造真正的“无缝”连接，让系统快速响应；同时针对驾车环境，清微方案配备车噪降噪算法；另外，可重构计算技术带来的芯片灵活性可方便集成客户自有算法，提升驾驶者的使用体验。

目前而言，由于通信基础设施还未完全覆盖所有应用场景，如地下停车场中，由于信号较差，导致联网功能在一定程度上无法使用，造成用户体验下降。为此，声扬科技也提供了相应的离线解决方案，在使用声纹识别时，可以通过离线方式来判断驾驶员的身份。

谢基有表示，未来可能随着5G的发展，对于信号覆盖会有一定提升，使用云端服务会更加便捷，但并非所有场景都能够被信号覆盖。一个很显著的例子是，尽管4G网络发展多年，但在许多地点，如地下停车场时，信号仍然非常差，因此离线在某些场景中仍然是必须的。

此外，离线方案需要在CPU中运行，单靠MCU无法承载。即便是CPU，也需要进行深度的优化及定制，还需要考虑到一些芯片无法进行浮点运算，则需要再做浮点程序定点化操作。但这些芯片中所预留的RAM仅有KB级，如声扬科技在ADI的DSP芯片上运行整个算法，仅用了150KB左右，这就对于供应商厂家技术提出了更高的要求。

声纹识别解决安全问题 算法解决数据难题

车载语音除了帮助驾驶员解放双手，减少注意力的分散，更多的是为驾驶员提供一种更为舒适的驾驶体验，提高对整辆车的掌控感。但车载语音的出现也带来了一个问题，当车内并非只有一人时，其他人如果也通过语音来控制车辆，如行驶过程中打开后备箱、打开车门等，反而会对驾驶造成一定的安全隐患。

对此，谢基有表示，声扬科技非常擅长的一个领域便是声纹识别，可以判断出哪些语音是车主本人所说的，哪些是其他人说的话。通过声纹判定了身份也就确认了是否有进行该操作的权限，从而解决上述问题。声扬科技也与国内的一些汽车品牌进行合作，当行车过程中靠近某个景点，提示是否需要购买门票时，可以设定只有具备权限的人，才能完成确认进行购买支付的操作。

并且声纹识别也可以进行活体检测，通过语音图谱，可以清楚的辨别是否是真人在现场说话，还是通过录音回放甚至是通过语音合成的方式进行通话，这种声纹鉴定技术也被应用在了防电话诈骗等安防领域。

当然，众所周知，做声纹识别等生物识别技术时需要使用到大量的数据，帮助企业进行技术的迭代，但许多语音厂商拿不到主机厂的数据，主机厂没有没有语音厂商的技术，又不愿意分享车内数据以提升产品功能，因此很难实现有效连接。而语音如要发挥最大优势，还应该与车控以及V2X部分进行连接。但是主机厂在这方面也对语音厂商有限制，因为如果连接的话会增加主机厂的风险。

谢基有表示，V2X有两种数据，一部分是车辆本身的行驶数据，如车速等；另一部分则是语音的数据，而语音厂商目前只需要语音数据去完成算法性能的提升，其实并不需要大量的数据，可以在应用过程当中通过自动学习来进行迭代。

同时，在应用之前，声扬科技也会通过其他场景中的语音数据，来优化算法，尽管与车内环境场景不同，但在人物的声纹特征上是一致的，通过降噪等算法，让应用环境差异变得更小，也更适用于车内的场景。因此可以认为，声扬科技的算法具有较好的普适性及独创性。

5%到20% 新能源汽车带动车载语音快速发展

据中汽协发布的《2021年中国汽车市场预测报告》显示，预计2020年全年汽车总销量将达2530万辆，其中新能源汽车销量约达130万辆，占比约为5.14%。而中国推出的《新能源汽车产业发展规划》从政策层面明确提出，到2025年我国新能源汽车销量将占总销量的20%，显然未来几年，新能源汽车还有巨大的发展机遇。

而新能源汽车的快速发展，也将带动车载语音的快速渗透。谢基有认为，新能源汽车代表着造车新势力，他们对于新技术的接受程度会更高，并且新能源汽车一个很大的亮点就是智能，除了ADAS智能辅助驾驶系统外，智能座舱也是也是其中重要的一环，而车载语音便是与智能座舱紧密结合。

在过去几年，汽车中车载语音大多在后装市场，许多传统车企对于新技术的接受程度较低，想要说服这些企业在前装便把语音系统加入进去较为困难，因此只能采用后装的方式，这时候就出现了如智能后视镜、智能中控等技术。

不过目前有一个趋势，车载语音正在向前装市场渗透，随着新能源汽车的快速发展，对于车载语音具有极大的推动作用。声扬科技也表示，会持续在两个方面进行发力，一个是前端语音信号的处理，如何去解决源头的问题；二是解决安全性问题，通过声纹识别，如何在操作控制过程当中将安全性做好。

能够看到，在这个市场中，汇集了许多互联网大咖，对于这些巨头而言，需要做完整的智能生态，因此车载语音这一块自然也不会放过。但并不代表BAT这些巨头做了生态之后，其他企业就没有机会了。车载语音包含了太多的技术点，而每一个技术都能够产生巨大的市场空间。

就如同王博所提到的那样，车载语音场景为驾驶员带来更大的安全性，而语音交互也并非新的技术，最后必然会成为一种标配，随着网络速度和技术的发展，带来的无非是驾驶者对其依赖的程度逐渐加深，从目前的可有可无变为真正的需求。

本文由电子发烧友原创，转载请注明以上来源。如需入群交流，请添加微信elecfans999，投稿爆料采访需求，请发邮箱[e-mail]。