2018年10月16日，由國家發(fā)展和改革委員會高技術(shù)司，國家互聯(lián)網(wǎng)信息辦公室網(wǎng)絡(luò)數(shù)據(jù)與技術(shù)局共同指導(dǎo)，中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟（AIIA）主辦的AIIA人工智能開發(fā)者大會（蘇州）在蘇州國際博覽中心落下帷幕。本次大會上正式發(fā)布了第一批智能音箱智能化評級結(jié)果。搭載聲智科技自主研發(fā)的軟硬件一體的遠場語音交互技術(shù)，小度智能音箱、小米AI音箱等產(chǎn)品榮獲中級智能證書。

此次評測，參照中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟（AIIA）組織起草的《人工智能產(chǎn)品智能化等級指標要求和評估方法第1部分：智能音箱》，將智能音箱智能化程度一共分為六個等級：無智能、自動化、初級智能、中級智能、高級智能、完全智能。測試了包括材料檢查和技術(shù)測試兩個維度的12項指標，涵蓋基本信息和安全信息審查、語音喚醒準確率、誤喚醒率、語音識別能力、智能交互能力、技能領(lǐng)域、響應(yīng)速度、安全防護等方面。經(jīng)過技術(shù)測試、企業(yè)答辯、專家評審會評分， 6家參評企業(yè)中，5家企業(yè)的智能音箱獲得中級智能的證書。5款智能音箱產(chǎn)品中，三款產(chǎn)品采用了聲智科技提供的智能語音交互技術(shù)與服務(wù)。

獲獎企業(yè)及產(chǎn)品（排名不分先后）

小米AI音箱

聲智科技獨家為小米AI音箱提供了產(chǎn)品系列中的定制環(huán)形6麥克風(fēng)陣列、低功耗高性能遠場語音喚醒和語音端點檢測技術(shù)。

聲智科技的算法優(yōu)化能力一直處于行業(yè)領(lǐng)先地位，在智能音箱最復(fù)雜的場景，即立體聲回聲抵消過程中的打斷喚醒，聲智科技的算法復(fù)雜度也遠優(yōu)于市面同類技術(shù)，采用更輕量級的算法解決更復(fù)雜的問題。

而語音端點檢測技術(shù)，是語音識別響應(yīng)速度的決定性因素，聲智科技通過對喚醒模型的不斷訓(xùn)練，將機器應(yīng)答時間做到了400~500毫秒的最佳體驗速度。

此外，聲智科技的動態(tài)應(yīng)答詞匹配檢測技術(shù)，將應(yīng)答內(nèi)容也做到了最大可能的人性化。小愛同學(xué)喚醒之后的隨機應(yīng)答詞，包括“我在”，“哎”等，均可以根據(jù)系統(tǒng)音量自動調(diào)整。

小度智能音箱

聲智科技為小度智能音箱量身打造了全球首款3麥環(huán)型麥克風(fēng)陣列，并提供了完整的遠場語音喚醒和識別服務(wù)。

3麥環(huán)型麥克風(fēng)陣列，構(gòu)型靈活，不僅打破了音腔設(shè)計的局限，釋放更多ID設(shè)計的空間，同時，還保持了成本和效果之間的良好平衡。

聲智科技自主知識產(chǎn)權(quán)的寬場景高靈敏喚醒技術(shù)和低成本高容錯喚醒技術(shù)，采用全新的喚醒模型，可在提升強噪環(huán)境下的喚醒率的同時，降低誤喚醒率，即便在一致性和失真度非常大的情況下，也能夠出色的保證用戶體驗的效果。

針對場景深度優(yōu)化，聲智科技為小度智能音箱獨家定制了兒童模式和極客模式，可根據(jù)不同用戶的用語習(xí)慣,進行自適應(yīng)的樣本訓(xùn)練和機器學(xué)習(xí)，讓人機交互更加智能化、人性化。例如：兒童生理上發(fā)育不夠成熟，不善于掌握發(fā)音部位與方法，輔音發(fā)音分化不明顯。而且，兒童發(fā)音單音重復(fù)較多，往往發(fā)出單個的、重疊的音，他們會說“車車”、“糖糖”、“兔兔”、“飯飯”，而不說“汽車”、“糖”、“兔子”、“飯”這樣的兒童的交流方式，聲智科技通過優(yōu)化聲學(xué)模型優(yōu)化，打造了升級版的語音識別技術(shù)，使兒童識別準確率更高，更貼合兒童的語音交互習(xí)慣。

聲智科技全鏈條智能語音交互系統(tǒng)SVK

無論是聲智科技為百度、騰訊、小米等客戶打造的智能音箱，還是為華為、阿里等客戶提供的智能機頂盒、智能電視、智能手機/平板、智能玩具、智能車載、智能安防等解決方案，都離不開聲智科技自主研發(fā)的技術(shù)引擎——全鏈條智能語音交互系統(tǒng)SoundAI Voice Kit（以下簡稱SVK）。

SVK融合遠場語音交互和遠場實時通話，集成了聲波配網(wǎng)、波束形成、聲源測向、噪聲抑制、混響消除、回聲消除、語音喚醒、端點檢測、語音識別、聲紋識別、語義理解、語音合成、雙工通話、自然語言處理等核心技術(shù)，可賦予智能終端設(shè)備以更加敏捷、人性化的語音交互能力。

極致仿生物行為的響應(yīng)時間。SVK精準的遠場語音喚醒、遠場語音識別（Far-Field ASR）服務(wù)，面向垂直領(lǐng)域深度優(yōu)化，平均準確率達96%以上。極大提升的識別率，確保了更人性化的語音交互速度體驗，使產(chǎn)品從喚醒到內(nèi)容的全鏈條響應(yīng)速度達到全球領(lǐng)先的1.4S以內(nèi)，同時，用戶喚醒以后的機器應(yīng)答響應(yīng)速度則達到400~500毫秒的極致水平。

完美匹配場景應(yīng)用的語音識別。遠場智能語音產(chǎn)品具有場景特殊性，相對更加垂直，比如智能音箱的識別偏重于音樂和百科領(lǐng)域，而智能汽車的識別則偏重于地圖和音樂領(lǐng)域。為了確保SVK的遠場語音識別自如應(yīng)對眾多垂直領(lǐng)域的場景應(yīng)用難題，并保證云端服務(wù)的穩(wěn)定性和并發(fā)能力，聲智科技采用端云強耦的技術(shù)架構(gòu)，合理在端云分配計算能力，采用與Amazon AWS、阿里云等主流云計算平臺相同的服務(wù)可靠性標準，SLA高達99.99%。