百亿美元市场的语音识别为何如此受青睐？

有数据显示，到2020年，全球语音市场规模预计将达到 191.7 亿美元。语音识别作为研究人工智能的方向之一，随着语音交互技术的发展，语音AI芯片也随之诞生。现在不论是互联网巨头，还是AI 初创公司，都陆续宣布进军芯片领域。

回头看国内车载语音市场，真正开始发展可以说是在2013年。在此之前，车内语音部分的运用最多也就是听音乐和广播，虽然车载语音已经出现，但系统还处于初级阶段，准确率还不够高，市场普及度很低。

2013年是一个转折点，行业开始变革，更多人开始关注车载语音市场的发展。2015年之后侧重云端方向，和智能汽车、车联网的发展方向相关，产品形态也越来越标准。

2016年，随着人工智能领域的发展，很多公司在智能语音部分加大了力度， 特别是对语音芯片的研发。今年更是语音芯片“爆发”的一年，并且在之后的一段时间，语音芯片还会持续作为热点。

多场景、低功耗

不同的语音技术公司研发语音芯片的考虑可能都不太一样，大体上来讲有几方面原因。

首先是快速集成和低功耗的需要。语音芯片能够更好地将本地功能进行集成，同时由于现在涉及深度学习的计算量巨大，终端设备对功耗的要求也很高，低功耗的芯片成为市场需求。

其次是IoT时代下多样化场景的需要。物联网场景下，设备形态是多样化的，需要一个硬件载体，成本低，算力强，同时能承载多样化终端设备的需求，芯片在这个过程中扮演着核心的角色。

此外还有盈利的目的。任何语音技术公司，推出产品或者技术、以及软硬件一体化的方案，最终都是为了盈利。研发语音芯片也不例外，现在正是物联网时代推动产品落地的时间点，增加硬件功能之后的产品会带来更高的市场效益。

语音芯片，从IOT到车载

不久前，云知声，思必驰、出门问问等语音技术公司相继发布了自己的AI芯片计划。

5月16日，云知声发布了首款面向物联网领域的AI芯片UniOne，同时，亿咖通和云知声签署了战略合作，将携手在UniOne芯片的基础上打造车规级AI芯片，这一芯片可以为用户与车之间提供更深层次的智能语音交互能力。

5月24日，出门问问发布了国内首款已经量产的AI语音芯片模组“问芯”Mobvoi A1，它可以帮助传统家电厂商获得远场语音交互的能力，之后会在创维电视和微鲸电视上实现合作落地。

6月26日，智能语音技术公司思必驰宣布已完成新一轮融资，并宣布已与某芯片巨头在AI芯片方面达成合作，双方将成立合资公司，并且适用于智能语音交互的AI芯片已在研发过程中。

虽然语音技术公司陆续宣布自己在研发语音芯片，但高工智能汽车咨询了多家语音技术公司以及主机厂，了解到现在还没有专门针对车载领域的语音芯片。

云知声芯片负责人李霄寒博士介绍，云知声5月16日发布的这款芯片是UniOne 系列芯片中的第一款，从语音AI切入，芯片命名“雨燕”，主要面向的是IoT领域，适合智能家电、智能车载等多个人机交互场景。目前在积极推进车规级芯片设计，预计明年推出符合车规要求的“雨燕”产品。

另一家语音公司思必驰宣布研发的AI芯片，也不是专门针对车载领域的语音芯片，预计下半年流片；出门问问推出“问芯”Mobvoi A1是语音芯片模组，即语音模组和芯片的结合，最先是在智能家居领域，也不是针对车载领域的语音芯片。

现在市场上推出的“语音芯片”可以称作是传统芯片的“智能化”，将芯片和语音技术融合在一起，相比传统的芯片和语音技术独立而言，语音和芯片一体化之后，二者相互结合，如果芯片能够和语音技术很好地匹配，不仅能够解决兼容性的问题，同时还能实现降低功耗需求。

车规级的语音芯片是市场需求

车载领域的语音芯片首先一定要满足车规的技术要求，通过温度、稳定性的测试才可以上车，研发出可以通过车规的语音芯片还存在难点。

技术上，开发芯片本身就有一定的难度。软件和芯片要结合在一起，其实就是把交互的东西放到硬件载体上，配比和兼容就是有难度的，还要做到识别速度快、适配不同的CPU、最后到实现量产，都需要强大的技术支撑。

虽然现在缺乏车载领域的语音芯片，随着汽车智能化以及车载语音交互的发展，未来车规级的语音芯片会成为市场需求。

吉利汽车负责HMI的相关人士表示，现在车载语音控制能力还远远不够，就目前已经上市的车型而言，语音的在线控制识别速度很慢，而本地词库又很少，自然语音状况下语音内容和词库无法匹配，就会出现无法识别或识别有误。

而目前市面上推出“云+端+芯片”或者“云端芯”一体化的芯片，优化了网络识别的能力，但本地识别的能力依旧比较差，识别速度慢，用户是比较难接受的。

语音芯片需要提高本地识别功能，但未来比较理想的是，随着网络传输速度的完善，研发出能够将本地识别和在线识别结合在一起的语音芯片。

亿咖通相关人士表示，随着车联网，人工智能的发展，车载芯片性能远远不能满足汽车娱乐和多样化交互功能需求。语音作为车载系统的刚需和亮点，更希望有强劲的硬件加速能力和适应力的平台，车规级智能语音芯片会是大势所趋。

响应速度和识别率如何提升

最近，首款搭载“祺云概念”智联系统的中期换代车型传祺GS4搭载的智能语音控制系统，用户发出语音指令，系统便能在1.2秒内快速反应。官方宣称，速度和灵敏度远超同级。

传祺智能语音控制系统能够在正常环境中实现95%识别正确率并具备多方言口音普通话的识别能力，离线语音识别能力、汽车训练的麦克阵列降噪能力、语音打断技术、可见即可说、自定义语音唤醒等多项核心技术能力。

针对传祺GS4智能语音控制系统这一大卖点，有业内人士表示：“在网速、使用环境、车机CPU、内存等各方面最佳工况时，达到1.2S响应、95%识别率并不难。”

而在实际应用中，车辆噪音、网速波动、车机后台多进程、硬件资源被占用、第三方执行器件延迟等等，都会造成语音控制系统延迟

科大讯飞相关人士表示：“影响语音识别响应时间有：音频后端检测、网络传输、引擎处理和应用处理四个方面。”

音频后端点检测是影响语音响应速度最重要的部分，也是不可减少和用时最长的部分。讲完一句语音指令，系统需要800ms-1000ms静音段来识别讲话是否结束，减少这个时间，则会带来体验下降。例如，用户说话停顿，系统误认为用户已经说完了，导致错误的识别结果。

引擎处理，车机硬件配置低或其它进程占用CPU、内存等硬件资源，导致语音处理进程没有足够的系统资源，引起处理延迟。

通过升级车机硬件和优化引擎算法两种方案可以有效解决问题，但升级硬件配置需要增加成本，所以主机厂更加倾向于，优化引擎算法，在低成本硬件平台上实现高效语音系统应用。

网络速度慢、不稳定也是会导致语音识别延迟的一大因素。通过提升网络传输速率，如未来的5G通讯，也可以有效减少延迟。

除此之外，优化信源（地图、音乐、电台等等）和第三方执行器件（开车内灯、开天窗、座椅加热等等），也能减少语音控制系统延迟，提升用户体验。

语音控制、触屏、机械按键等都属于控制层，最终做出执行反馈的是信源和第三方执行器件。如果信源和第三方执行器件运行缓慢，也会影响用户对语音控制系统的体验。

目前，车载领域已经量产的语音产品大多数响应时间在1.5s-3s之间，当响应时间达到2s以上时，用户能够感觉到明显的延迟。

低NVH可提高识别率

识别率对用户体验至关重要，识别率太低、不准确，用户好似对牛弹琴，不但不能体现语音控制系统的便利性，反而会成为鸡肋配置。

主机厂相关人士表示：“提升语音识别率除了技术方面，降低车辆NVH也是一个重要的途径。”

车辆行驶中，外界环境噪音、发动机震动噪音、胎噪、风噪、车身共振等等都会影响语音指令识别率，所以除了不断对语音系统优化之外，降低车辆NVH也是提升语音识别率和用户体验的方法之一。