百度成为全球第二大智能音箱供应商

（文章来源：雷锋网）

据科技市场研究企业 Canalys 发布的第二季度全球智能音箱市场报告，百度继今年上一季度超越阿里后，再度超越该行业的“双寡头”之一谷歌，成为全球第二大智能音箱供应商。

在智能音箱这一赛道，相比其他头部厂商，百度入局稍晚，如今却能力压群雄取得一系列亮眼成绩。百度系智能音箱作为 C 端可体验产品，普通用户对其音质、听感等各方面都有较为直观的感受，而所有优质体验的背后，百度在智能语音技术上的积累可谓功不可没。从智能音箱的远场语音识别、对话交互技术甚至产品硬件技术，百度始终坚持“亲力亲为”，为智能音箱积淀了一整套完善一体的技术储备和解决方案，从而为小度智能音箱的体验提供了强大的后盾支持。

“百度发布SMLTA模型，带来语音技术世界级突破”、“小度智能音箱首度落地完全意义上的全双工连续交互技术”，无论是语音唤醒、语音交互，还是远场信号处理、声学技术乃至产品硬件技术，百度都给智能语音技术领域带来过不少惊艳的突破创新，得到 C 端用户的认可，经过市场的检验，这也是对百度在智能语音技术一系列突破性进展的最好回响。

除了在智能语音领域有着整体全面的技术布局，在每一项语音技术上，百度更是在不断深耕。下面，AI 科技评论将聚焦智能音箱这一远场语音识别产品的关键性技术，主要从语音唤醒算法、语音交互模式、远场信号处理、语音声学技术以及产品硬件技术五个维度，来对百度蓄力爆发的小度智能音箱背后的黑科技进行揭秘。

人要跟智能音箱进行对话，第一道关卡便是语音唤醒，因而语音唤醒对于后续的整个用户体验而言，至关重要。然而在智能音箱这一远场语音识别载体中，而技术本身，外部环境对于语音唤醒质量的高低有着非常直接的影响。例如当外部噪音很大时，误唤醒等问题就非常突出了。

而百度，除了面临所有智能音箱产品都面临的此类挑战外，还存在其内部独有的唤醒技术难点。包括，第一，“小度小度”作为百度智能音箱的唤醒词，虽朗朗上口，但它相对于市面上其他音箱常用的“你好xx”、“xx同学”技术上更不容易控制误报率；第二，百度的产品矩阵丰富，更使得唤醒技术所面临的外部环境更加复杂多变，因而对唤醒的精度和误报的控制提出了更高的挑战。

针对这些挑战和技术难点，百度首先从算法层面实现了语音唤醒技术的突破，即将误唤醒的控制由对着测试集手工调节变成了海量数据训练驱动的过程，并具体从两个方面提升了模型的建模能力：“每轮对话之前，都要唤醒一次”，这是当下市面上多数智能音箱的常态，也是人们在使用智能音箱期间的最大槽点之一。人们对于智能音箱“像人与人一样交流”的憧憬要想实现，首要条件之一就是要能够做到：持续对话。

在智能音箱的连续交互能力上，百度为小度智能音箱研发的全双工免唤醒能力的表现，非常出色。这项能力组合应用了语音语义联合的尾点检测技术、全双工语音识别技术、置信度技术和语音语义一体化技术，在实现“一次对话，多轮交互”的同时，还能快速响应，并良好地区分用户交互意图。

据悉，与目前业内最好的基于CTC模型的语音识别系统相比，SMLTA基于截断的端到端语音识别建模方法，让语音识别错误率的下降幅度达15%以上。而除了语音识别技术，在当下的智能音箱市场，一款音箱要成为“好卖”的音箱，其中一个非常重要的因素就是性价比。如何将智能音箱的成本降到尽可能低，并拥有比同价位的竞品更加出色的音质，同时还能够有效控制住音频失真确保唤醒识别率呢？

整体而言，智能语音作为AI 领域相对比较成熟的细分方向，近年来在产品落地方面也都走在其他技术的前面。但这些技术具体落地到某个具体场景或特殊场景中时，面临的挑战依旧巨大。如何不断优化智能语音技术，并实现技术的大规模产品落地，依旧是该领域需要大力探索的主题。

未来，智能音箱要想取得更加明显的体验提升，背后技术的突破创新是绕不开的一个话题。百度语音技术团队不断在攻坚克难，算法迭代创新，并善于将之应用在落地产品中。就在前不久，百度语音首席架构师贾磊的回归，又将为百度语音技术带来怎样的变化和突破？拭目以待。