上周二唬复，小米在北京召開了首屆小米 IoT 開發(fā)者大會(huì)，雷軍宣布敞咧，在接入 8500 萬設(shè)備之后棘捣，小米 IoT 平臺(tái)迎來全面開放，包含模塊和硬件開放準(zhǔn)入乍恐、米家 APP 開放接入评疗、新零售渠道開放、智能設(shè)備互聯(lián)互通開放控制和 AI 云壤巷、大數(shù)據(jù)的開放共享邑彪。

四個(gè)月前瞧毙，小米的智能音箱「小愛同學(xué)」發(fā)布時(shí)寄症，小米在 IoT 領(lǐng)域的積累為 AI 產(chǎn)品帶來的助力就已經(jīng)顯露出來。

作為「小愛同學(xué)」的第一批用戶有巧，順為資本投資經(jīng)理段譽(yù)在自己的公眾號(hào)上，撰文講述了自己和「小愛同學(xué)」的相處時(shí)光篮迎，以及他對(duì)語音智能的一些行業(yè)洞見男图。

本文系段譽(yù)的投稿甜橱，深圳灣（公眾號(hào) ID：shenzhenware）在保留原文內(nèi)容基礎(chǔ)上逊笆，對(duì)文字進(jìn)行了部分優(yōu)化。

段譽(yù)难裆，2013 年初加入順為資本，主要負(fù)責(zé)考察移動(dòng)互聯(lián)網(wǎng)和智能硬件領(lǐng)域的投資機(jī)會(huì)镊掖，曾參與了華米科技、Yeelink亩进、Ninebot症虑、馭光科技等公司的投資归薛。段譽(yù)畢業(yè)于北京大學(xué)經(jīng)濟(jì)學(xué)院，擁有經(jīng)濟(jì)學(xué)學(xué)士和碩士學(xué)位苟翻。業(yè)余時(shí)間韵卤，他喜歡健身和越野跑崇猫，曾完成了北京 TNF 21KM沈条，寧海 50KM 越野挑戰(zhàn)賽等賽事。

故事的開始

前兩天朋友跑來問我蜡歹，如何在自己的豪宅布置智能家居屋厘。交流了各種協(xié)議走線問題后，我問他控制中心怎么做汗洒，這位壕哥提出，打算用美帝的 Control4 的觸控面板做中控父款。

屌絲終于在此刻找到了自豪感，我淡淡地告訴他憨攒，自從用了粗糧家的「小愛同學(xué)」世杀，家里的無線開關(guān)已經(jīng)開始積灰了肝集，更不用提智能家庭 App 了。

我在「小愛同學(xué)」身邊發(fā)現(xiàn)了語音交互的妙不可言

雖然無法精確度量杏瞻，但喜歡窩在沙發(fā)上看國劇的我所刀，本能地發(fā)現(xiàn)說一句「小愛同學(xué)捞挥，關(guān)閉客廳的燈」浮创，要比伸手去找遙控器（或者遙控器替代品）要省時(shí)树肃、省力蒸矛、耗能少胸嘴。

某聲學(xué)項(xiàng)目的 FA 曾嚴(yán)謹(jǐn)?shù)乇容^過不同交互方式的優(yōu)劣，當(dāng)然他們的結(jié)論是 Voice First（語音交互優(yōu)先）劣像。而我的理解是：對(duì)于不同的指令任務(wù)乡话，有不同的最佳交互路徑耳奕。

對(duì)于復(fù)雜的長時(shí)間輸入（例如寫這篇文章，或是 coding）屋群，目前仍然需要鍵盤的支持闸婴。對(duì)于多輪次復(fù)雜邏輯的交互，視覺交互的反饋更快芍躏，觸控也具有一定優(yōu)勢，例如重設(shè)一部手機(jī)，或是在 App 上買機(jī)票庇楞。

但如果是單輪輕度輸入榜配，語音交互的優(yōu)勢就會(huì)很明顯吕晌，例如，讓「小愛同學(xué)」幫忙設(shè)置早上 7 點(diǎn)的鬧鐘睛驳，絕對(duì)是「Killer App」烙心。更有趣的是柏靶，在這個(gè)場景下溃论，復(fù)雜的輸入設(shè)置——早晨屎蜓、7點(diǎn)、每天重復(fù)炬转、確認(rèn)——通過語音交互可以一氣呵成，妙不可言算灸。

我們更喜歡語音交互，并非因?yàn)橛姓Z音識(shí)別技術(shù)赊瞬，或是語音智能對(duì)話，而是因?yàn)檎Z音交互第一次突破了人機(jī)交互距離的限制巧涧。能夠躺在床上/沙發(fā)上隨意發(fā)號(hào)施令薯蝎，過去只能由「真人助理」來完成谤绳，現(xiàn)在可以由設(shè)備來完成了。

雖然這些年 Siri 等手機(jī)語音助手一直致力于解決同樣的問題缩筛，但單純拿起手機(jī)按下 Home 鍵再舉到嘴邊做這個(gè)發(fā)號(hào)施令的動(dòng)作消略，就已經(jīng)很令人掃興了瞎抛，更不要說因?yàn)橹形膶?duì)話不夠智能艺演，Siri 時(shí)不時(shí)的答非所問。

除了語音交互技術(shù)之外钞艇，還有通過視覺或超聲波的「隔空手勢識(shí)別與交互」的技術(shù)啄寡，但它們相對(duì)于同樣遠(yuǎn)距離的語音交互哩照，使用的復(fù)雜度和學(xué)習(xí)成本都太高了。

我在「小愛同學(xué)」身后學(xué)習(xí)了遠(yuǎn)場語音技術(shù)

遠(yuǎn)場語音交互的一系列功能是如何實(shí)現(xiàn)的呢飘弧？它和近場語音的區(qū)別在哪里识藤？

帶著這些問題次伶，我研究了相非老師的技術(shù)架構(gòu)圖：

在進(jìn)行語音識(shí)別（包括本地和云端）之前冠王，有一系列復(fù)雜的聲學(xué)前端算法赶撰，包括：

• 回波抵消（去除音箱自己播放的音樂）
  
• 波束形成（只聽人說話的那個(gè)方向，去除其他方向的干擾）
  
• 去混響（去除桌椅板凳的聲音反射）
  
• 聲紋識(shí)別（區(qū)分爸爸在說還是媽媽在說）
  

經(jīng)過這一系列的聲學(xué)處理豪娜，相對(duì)「干凈」的語音信號(hào)才會(huì)進(jìn)入負(fù)責(zé)喚醒的模型，喚醒之后才會(huì)進(jìn)一步地進(jìn)入云端負(fù)責(zé)語音識(shí)別的模型哟楷。

這一交互涉及到了：

• 物理硬件層（聲腔結(jié)構(gòu)設(shè)計(jì)，麥克風(fēng)陣列設(shè)計(jì)）
  
• 信號(hào)層（上述聲學(xué)處理）
  
• 后續(xù)的數(shù)據(jù)層（語音識(shí)別卖擅、NLP鸣奔、TTS 等）
  

這三層分別需要物理聲學(xué)惩阶、信號(hào)處理挎狸、和計(jì)算機(jī)專業(yè)三個(gè)領(lǐng)域的人才相互配合，是一個(gè)相當(dāng)復(fù)雜的系統(tǒng)工程伟叛。

以上這些知識(shí)，還只是語音技術(shù)層面脐嫂。作為消費(fèi)級(jí)產(chǎn)品，智能音箱想要達(dá)到好的用戶體驗(yàn)效果账千，還涉及到產(chǎn)品層面侥蒙、以及產(chǎn)品之上應(yīng)用層面的一系列問題匀奏。

我在「小愛同學(xué)」身上看到了未來已來

IoT 喊了很多年，從 20 年前的智能家居，到 2009 年無錫落地的物聯(lián)網(wǎng)產(chǎn)業(yè)園论衍，再到 2014 年火熱的智能家居創(chuàng)業(yè)，乃至去年底孫正義大神提出的「鞋子比人更聰明」坯台，IoT 都處在只打雷不下雨的尷尬狀態(tài)炬丸。究其原因，我曾經(jīng)認(rèn)為是「云-網(wǎng)-端」三層中端的密度不夠蜒蕾，即設(shè)備數(shù)量還不夠多，從而數(shù)據(jù)量不夠大咪啡，和人接觸點(diǎn)也不夠多首启。

根據(jù)小米最新公布的數(shù)據(jù)，MIoT 在 2016 年底大約 5000 萬入網(wǎng)設(shè)備毅桃，2017 年中達(dá)到 6000 萬臺(tái)，2017 年 11 月在小米 IoT 開發(fā)者大會(huì)上愁溜，公布了 8500 萬的入網(wǎng)設(shè)備外厂。

在我看來冕象，5000 萬和 8000 萬并沒有本質(zhì)的差別汁蝶，但這些 IoT 設(shè)備一旦融入了智能語音交互后渐扮，原先的 App 指令控制掖棉、傳感器觸發(fā)墓律，就變成了遠(yuǎn)場語音控制。這樣一來耻讽，交互界面從單一的手機(jī) App（家里不方便）、傳感器觸發(fā)（冷冰冰且不豐富）帕棉，擴(kuò)展到了無處不在的語音指令（方便且有溫度）针肥。

當(dāng)然具帮，語音交互絕不只是遠(yuǎn)距離版的遙控器而已。

獨(dú)立于智能家居的硬件設(shè)備外蜂厅，語音交互有機(jī)會(huì)將隨身設(shè)備、車載設(shè)備掘猿、乃至互聯(lián)網(wǎng)的一系列服務(wù)串聯(lián)起來锹雏。常見的語音交互場景包括：在車?yán)锿ㄟ^語音交互設(shè)備，提前把外賣點(diǎn)好（已經(jīng)實(shí)現(xiàn)）礁遵；在跑步時(shí)通過智能耳機(jī)，把家里的熱水器打開（還需要解決低功耗喚醒問題）采记；在家通過智能音箱佣耐，把凱叔召喚出來給孩子講故事（已經(jīng)實(shí)現(xiàn)）唧龄。

技術(shù)本身就是讓原本少數(shù)人的特權(quán)（鋼鐵俠擁有的 Javis）飛入尋常百姓家丸冕。能夠見證這一過程耽梅，的確令人興奮胖烛。