会撒娇有情感，小米语音声学技术新升级！

（原标题：会撒娇有情感，小米语音声学技术新升级！）

　　近日，小米发布了小爱音箱Art，这款音箱采用全新的金属机身，机身扬声器开孔被设计成0。7mm厚度的金属饰板，可谓功能与质感兼具。小米小爱音箱Art通过一颗2。5英寸的全频扬声器，让声音的细节呈现得更加自然。

　　作为小米推出的第9款智能音箱，小米小爱音箱Art在技术上也全面升级，搭载第三代小爱同学，并支持情感化语音交互、全屋播放及就近唤醒。通过这款音箱得以看出，小米的声学语音技术已经实现全面自研，并在自研部分领域持续领先。

　　情感化语音交互：通过迭代声学模型，支持情感TTS

　　对于智能设备而言，实现情感化语音交互是一项挑战。“情感”本身就是主观的、多样的感受，一种情感可以有多种呈现形式，更适合人与人的面对面对话。情感化语音交互对技术要求较高，要技术方、数据方、质检方等多方对情感浓度、情感诠释方式等标准达成共识，将较主观的情感音素统一化、标准化。

　　随着人工智能技术的发展，在实现人机对话的基础上，各大厂商都在情感化语音交互的领域探索。为了让机器加入情感元素，小米AI实验室在“情感数据量有限”的前提下，通过不同声学模型、不同声码器组合最终上线自然、拟人效果的情感TTS，成为业内首家情感化TTS大规模落地的企业。

　　通过小米AI实验室的不断深耕，此次小米小爱同学Art全面支持情感化语音交互，基于有限但类型不同的情感音频数据(如开心、关心、害羞、惊讶等)，通过不同技术训练并迭代声学模型，最终支持情感TTS合成并实现“小爱同学”情感化、拟人化。

　　未来，小米语音将升级此技术——支持情感TTS实时合成。从下图中可以看出，在大数据集的预训练模型基础上，利用目标说话人的中性情感数据对网络进行微调，得到目标说话人的中性情感模型；在此基础上用带情感的小批量数据对模型进一步微调，最终得到不同情感的模型，最终实现情感合成。

　　在国内语音助手行业中，小米首次实现情感化TTS的大规模落地，未来将打造情感更加丰富的“小爱同学”，为用户提供多元化的语音交互体验，为IoT设备增加更丰富更立体更逼真的语音交互体验。

　　语音支持全屋播放：立体声组合同步播放相同音频

　　小米小爱音箱Art，是首款可以实现语音支持全屋播放的设备。用户直接对小爱同学说“全屋播放XX”，无需提前在App端进行手动设置，即可实现一句话语音交互，为用户提供了更便捷的使用方式。

　　要实现这一功能，音箱需要具备AIoT放音的技术。小米AIoT放音的自研技术在攻克无线网络抖动、晶振时钟漂移以及弱网下数据不可达等一系列技术难题后，将不同音箱播放声音的同步优化到微秒级别，同时还实现了在不同型号的音箱之间的数据同步，提供更细腻的音质和宽广的声像。

　　由这张图可见，立体声支持APP创建组网，才能进行语音指令和APP操作播放，全屋播放同时支持语音指令和APP创建组网。

　　立体声功能同时支持语音指令和app操作播放，云端音频流下发至音箱A，音箱A将立体声分离为左右声道，音箱A自己播放左声道音频并将右声道音频流下发给音箱B，由B音箱播放右声道，精准的同步技术保证音箱A和B同时播放立体声的左右声道音频。全屋播放功能支持语音指令和app创建组网，音频流下发至音箱C，音箱C将音频流混合为单声道信号并下发给组内其他的音箱设备同时播放，不区分声道，可支持多个设备。

　　就近唤醒全面升级：实现跨设备关闭闹钟

　　早在2018年，小米音箱系列就上线了就近唤醒功能。值得一提的是，此次小米小爱音箱Art就近唤醒全新升级，可支持跨设备关闭闹钟。远处的音箱闹钟响了，唤醒近处的音箱可以直接关闭远处的闹钟。此功能在业内首次上线，小米小爱音箱Art也是首款支持该功能的产品。

　　说到就近唤醒，小米早在2018年就上线这一功能，截止2020年4月28日，分布式就近唤醒已为多设备用户累计避免约6。82亿次设备同时唤醒，准确率达到98%。近期首发上线了端云多维度结合的就近唤醒综合决策策略，深入加强多设备状态信息联动，智能判决空间信息，进一步提升了家庭复杂网络环境的兼容性，同时做到了多设备响应的唯一执行，大幅提升用户体验。

　　未来，小米将专注于家居复杂场景应用、智能声学感知和多传感融合。在复杂的家庭结构环境中，保证算法的可用性，让每个设备主动感知所处的不同环境，根据环境完成算法自适应，将数据结果取长补短，相互融合，实现多维度智能感知。

　　两麦阵列唤醒：两麦盲源分离降噪前端，双级唤醒策略支撑

　　小米小爱音箱Art同步支持两麦阵列唤醒技术。在麦克风阵列方面，小米采用两麦盲源分离降噪前端，通过盲源分离、降噪、回声消除等技术，在多声源的嘈杂环境、音箱自身播放音乐时，都能结合语音增强技术，消除噪音的强干扰，获得干净、准确的人声音频。

　　在唤醒方面，为了兼顾低功耗与高性能，自研语音唤醒算法采用双级唤醒策略。低功耗待机唤醒词检测模型，利用子采样与共享隐含层等技术，减少模型资源消耗的同时保证召回率在一个较高的水平。高性能误唤醒检测模型，采用粗粒度建模单元，结合局部信息与长时上下文信息，高效抑制误唤醒。通过从海量数据中自动挖掘高区分度训练样本，再经过数据扩充技术，提高唤醒模型在低信噪比与小音量场景下的鲁棒性。

　　小米AI实验室语音产品负责人陈君宇表示，小米IoT平台连接的智能硬件数已达到2。5亿台，音箱出货量已经达到2200万台，在这么大的用户体量下，如何让基础体验持续提升，且提升产品在AI体验上的创新性，对自研AI团队来说是非常重要的使命。

　　小米一直致力于研发先进的AI技术，并将技术落地到产品及业务，为用户带来更好的产品体验，让全球每一个人都能享受科技带来的美好生活。