你的位置:首頁 > 傳感技術(shù) > 正文

新一代語音識(shí)別:可徹底改變車內(nèi)體驗(yàn)的技術(shù),來了解一下!

發(fā)布時(shí)間:2024-04-01 來源:貿(mào)澤電子 責(zé)任編輯:lina

【導(dǎo)讀】語音識(shí)別是設(shè)備對(duì)語音命令做出響應(yīng)的能力,它實(shí)現(xiàn)了對(duì)各種設(shè)備的免提控制。該技術(shù)最早的應(yīng)用是自動(dòng)電話系統(tǒng)和醫(yī)療聽寫軟件?,F(xiàn)在,在汽車和智能手機(jī)中語音識(shí)別技術(shù)有了更廣泛的應(yīng)用,比如蘋果的Siri和特斯拉汽車中的語音命令都采用了先進(jìn)的語音識(shí)別技術(shù)。


語音識(shí)別是設(shè)備對(duì)語音命令做出響應(yīng)的能力,它實(shí)現(xiàn)了對(duì)各種設(shè)備的免提控制。該技術(shù)最早的應(yīng)用是自動(dòng)電話系統(tǒng)和醫(yī)療聽寫軟件?,F(xiàn)在,在汽車和智能手機(jī)中語音識(shí)別技術(shù)有了更廣泛的應(yīng)用,比如蘋果的Siri和特斯拉汽車中的語音命令都采用了先進(jìn)的語音識(shí)別技術(shù)。


在汽車中,語音助手的非常大好處是,它可以讓駕駛員的眼睛始終盯著道路,而手一直放在方向盤上,同時(shí)還能獲得安全且免提的車內(nèi)體驗(yàn),包括接打電話、選擇電臺(tái)、設(shè)置導(dǎo)航或播放音樂等?,F(xiàn)在,車載語音助手已成為大多數(shù)車輛的標(biāo)準(zhǔn)功能。


汽車語音助手的興起


汽車語音助手是一種語音識(shí)別控制系統(tǒng),它允許駕駛員用語音控制車輛的功能和特征,比如用于車輛的氣候控制、娛樂設(shè)置、導(dǎo)航和其他功能,還可用于免提通話和發(fā)送短信。


本田是最早在汽車中使用語音識(shí)別技術(shù)的汽車制造商之一,該公司于2004年提供了一種語音導(dǎo)航系統(tǒng),主要用于音頻、DVD和車內(nèi)環(huán)境控制的語音命令和控制功能。隨著時(shí)間的推移,汽車中的語音識(shí)別技術(shù)有了較大改進(jìn),如今,汽車中的語音識(shí)別技術(shù)已經(jīng)能夠準(zhǔn)確解釋駕駛員的命令并執(zhí)行較復(fù)雜的操作。 


早在2022年3月,大眾汽車就已選擇將Cerence公司的語音AI Cerence Drive 2.0系統(tǒng)集成到大眾高爾夫8 GTI中,所使用的Cerence Drive 2.0系統(tǒng)于2021年推出,它將自然語言理解和文本到語音技術(shù)等功能整合到一個(gè)堆棧中,使得汽車語音識(shí)別系統(tǒng)有了較高的響應(yīng)速度。Siri、Alexa、Maluuba和Cotana等虛擬語音助手的日益普及,為我們的生活提供了便利,人們也因此更加習(xí)慣通過語音進(jìn)行車內(nèi)控制的各種新興應(yīng)用。自動(dòng)駕駛汽車的出現(xiàn)更是有力推動(dòng)了汽車語音識(shí)別系統(tǒng)的發(fā)展。


根據(jù)Precedence research的數(shù)據(jù),2023年,全球汽車語音識(shí)別系統(tǒng)市場(chǎng)價(jià)值為28.9億美元,預(yù)計(jì)到2032年將超過約111.7億美元,在2023年至2032年的預(yù)測(cè)期內(nèi),復(fù)合年增長(zhǎng)率將達(dá)到16.20%。


目前,語音識(shí)別系統(tǒng)市場(chǎng)的市場(chǎng)參與者正在大力投資生物識(shí)別和人工智能技術(shù),在未來幾年將為汽車識(shí)別系統(tǒng)市場(chǎng)提供更多增長(zhǎng)機(jī)會(huì)。


新一代語音識(shí)別:可徹底改變車內(nèi)體驗(yàn)的技術(shù),來了解一下!

2022年至2032年汽車語音識(shí)別系統(tǒng)市場(chǎng)發(fā)展趨勢(shì)
(圖源:Precedence research)


來自Vynz research的分析結(jié)果表明,2023年,汽車語音識(shí)別市場(chǎng)的價(jià)值為28.1億美元,預(yù)計(jì)到2030年將達(dá)到68.7億美元,在2025年至2030年的預(yù)測(cè)期內(nèi)的復(fù)合年增長(zhǎng)率為16.41%。


兩家機(jī)構(gòu)的預(yù)測(cè)數(shù)據(jù)非常接近,從中我們也可以看出整個(gè)行業(yè)對(duì)汽車語音識(shí)別市場(chǎng)抱有的良好預(yù)期。


汽車創(chuàng)新中的語音識(shí)別技術(shù)


近年來,語音識(shí)別技術(shù)徹底改變了消費(fèi)者與汽車的互動(dòng)方式,從個(gè)性化的語音交互到提高安全性和整體用戶體驗(yàn)的免提操作,語音技術(shù)已成為推動(dòng)汽車創(chuàng)新的催化劑。


特斯拉(Tesla)基于上下文的語音命令的實(shí)現(xiàn)代表著汽車語音識(shí)別技術(shù)在應(yīng)用上有了重大突破,這項(xiàng)技術(shù)可以讓用戶更直觀地與他們的Tesla汽車進(jìn)行互動(dòng)。


例如,用戶可以直接說出自己的目的地,車輛就會(huì)為你規(guī)劃出行車路線圖,簡(jiǎn)化了導(dǎo)航過程。此外,該系統(tǒng)還能夠理解先前命令的上下文,具備復(fù)雜的自然語言理解能力,比如通過語音調(diào)整車內(nèi)溫度設(shè)置。這一能力展現(xiàn)出增強(qiáng)車載語音控制系統(tǒng)的潛力,也證明了投資先進(jìn)語音識(shí)別技術(shù)的重要性。


對(duì)于車載語音助手來說,獲得準(zhǔn)確而清晰的語音信號(hào)始終是一個(gè)重大挑戰(zhàn)。道路和風(fēng)噪以及多個(gè)人使用語音設(shè)備可能會(huì)干擾語音識(shí)別的準(zhǔn)確率。目前的車載語音識(shí)別系統(tǒng)大多使用了波束成形技術(shù),該技術(shù)使用一維“到達(dá)方向”參數(shù)對(duì)聲音場(chǎng)景進(jìn)行建模。


然而,在汽車等封閉空間中,聲波往往會(huì)從窗戶和面板上反彈,因此,在建模之前還需要部署一個(gè)麥克風(fēng)陣列用來接收從數(shù)百個(gè)方向到達(dá)的語音信號(hào)。如今,語音識(shí)別的準(zhǔn)確性已經(jīng)顯著提高,在包含數(shù)萬個(gè)單詞的詞匯表中,錯(cuò)誤率可降至5%左右。

語音控制為控制現(xiàn)代汽車上復(fù)雜人機(jī)接口(HMI)功能提供了一種安全方便的解決方案。開發(fā)人員利用機(jī)器學(xué)習(xí) (ML) 和語音建模的強(qiáng)大功能,使用定制命令和多個(gè)喚醒詞將本地語音控制功能添加到汽車語音助手等應(yīng)用中。


NXP擁有一系列語音控制和通信軟件和系統(tǒng)解決方案,為人對(duì)人和人對(duì)機(jī)器的語音應(yīng)用提供高質(zhì)量、可靠的嵌入式語音處理。其產(chǎn)品組合中的新成員——智能語音技術(shù) (VIT),是一種全面的先進(jìn)語音控制軟件解決方案,可作為MCUXpresso軟件開發(fā)套件 (SDK) 中的現(xiàn)成軟件庫。VIT軟件基于先進(jìn)的深度學(xué)習(xí)和語音識(shí)別技術(shù),提供了完整的遠(yuǎn)場(chǎng)音頻前端(AFE),支持多達(dá)三個(gè)麥克風(fēng)、一個(gè)始終開啟的喚醒詞引擎和一個(gè)語音命令引擎,以及生成客戶定義的喚醒詞和語音命令模型的在線工具。


如前所述,實(shí)現(xiàn)可靠的設(shè)備端語音控制并不是一件容易的事,開發(fā)人員還需要選擇高性能信號(hào)處理硬件平臺(tái)以及相應(yīng)的語音處理軟件,包括AFE波束成形器、單獨(dú)的喚醒詞引擎和語音命令引擎等。VIT軟件可在基于Arm Cortex-M7和M33、Cadence Xtensa HiFi4和Fusion F1內(nèi)核的NXP i.MX邊緣處理平臺(tái)上使用。目前,支持VIT的i.MX 跨界MCU平臺(tái)包括:


?  i.MX RT500 MCU(配備M33、DSP和GPU內(nèi)核)

?  i.MX RT600 MCU(配備M33和DSP內(nèi)核)

?  i.MX RT1060 MCU(配備M7內(nèi)核)

?  i.MX RT1160 MCU(配備M7和M4內(nèi)核)

?  i.MX RT1170 MCU,搭載1 GHz MCU(配備M7和M4內(nèi)核)


其中,i.MX RT500跨界MCU是雙核微控制器,采用Arm Cortex-M33核和Cadence Xtensa Fusion F1 DSP,專為低功耗應(yīng)用而設(shè)計(jì)。i.MX RT500 Cortex-M33內(nèi)核的運(yùn)行頻率高達(dá)275MHz,包括兩個(gè)協(xié)處理器,可提供更高的性能。Fusion DSP的運(yùn)行頻率高達(dá)275MHz。該系列提供豐富的外設(shè)、嵌入式安全性和超低功耗,具有高達(dá)5MB SRAM和兩個(gè)FlexSPI,每個(gè)FlexSPI具有32KB緩存。


另一款i.MX RT1170跨界MCU集成了Arm Cortex-M7和Arm Cortex-M4內(nèi)核,具有實(shí)時(shí)性能和高度集成。i.MX RT1170 Cortex-M7的運(yùn)行頻率高達(dá)1GHz,Cortex-M4的運(yùn)行頻率達(dá)到400MHz,同時(shí)具有2MB片上RAM。


這款實(shí)時(shí)MCU提供各種存儲(chǔ)器接口和豐富的連接接口,包括3個(gè)支持TSN/AVB技術(shù)的高速以太網(wǎng)接口以及UART、SPI、I2C、USB和3個(gè)CAN-FD接口。此外,i.MX RT1170還增強(qiáng)了內(nèi)置安全,包括安全啟動(dòng)和加密引擎。


新一代語音識(shí)別:可徹底改變車內(nèi)體驗(yàn)的技術(shù),來了解一下!

支持VIT軟件的NXP i.MX RT1170跨界MCU系統(tǒng)框圖(圖源:NXP)


汽車語音識(shí)別技術(shù)的四大挑戰(zhàn)


語音識(shí)別技術(shù)已經(jīng)存在很長(zhǎng)時(shí)間了,盡管汽車語音助手的受歡迎程度穩(wěn)步上升,但在實(shí)施和開發(fā)語音識(shí)別技術(shù)時(shí)我們很可能遇到以下四個(gè)挑戰(zhàn):


1. 準(zhǔn)確性的挑戰(zhàn)


語音識(shí)別系統(tǒng)(SRS)的準(zhǔn)確性必須很高才具有實(shí)用和商業(yè)價(jià)值。根據(jù)近期的一項(xiàng)調(diào)查,73%的受訪者聲稱準(zhǔn)確性不高是采用語音識(shí)別技術(shù)的主要障礙。在試圖提高語音識(shí)別模型的準(zhǔn)確性時(shí),背景噪聲帶來的影響非常大。

解決方法可以從三個(gè)方面入手:一是在開發(fā)模型之前了解用戶的使用環(huán)境,然后選擇一個(gè)聲源方向性好的麥克風(fēng);二是利用線性降噪濾波器如高斯濾波器來平抑噪聲;三是構(gòu)建一個(gè)去噪算法,以便在輸入/輸出聲音時(shí)對(duì)信號(hào)進(jìn)行平滑處理。

2. 語言、口音和方言覆蓋率的挑戰(zhàn)


目前,沒有一種SRS可以覆蓋所有的語言、方言和口音??朔@一挑戰(zhàn)的一個(gè)有效方法是擴(kuò)展數(shù)據(jù)集。只有足夠多的數(shù)據(jù)集才能為SRS提供AI/ML模型訓(xùn)練。


3. 數(shù)據(jù)隱私和安全的挑戰(zhàn)


人的語音記錄可以被用作他們的生物特征數(shù)據(jù)。因此,許多人對(duì)使用語音識(shí)別技術(shù)持猶豫不決的態(tài)度。這個(gè)問題目前沒有更好的解決辦法,企業(yè)唯一能做的就是盡可能保持應(yīng)用的透明度,并允許用戶通過設(shè)置選項(xiàng)來限制數(shù)據(jù)收集。


4. 成本和部署的挑戰(zhàn)


開發(fā)和實(shí)施SRS是一個(gè)成本高昂且持續(xù)不斷的過程。如果SRS需要覆蓋各種語言、口音和方言,則需要訓(xùn)練一個(gè)大型數(shù)據(jù)集。在此過程中,數(shù)據(jù)收集過程需要大量的資金,訓(xùn)練模型需要有強(qiáng)大的算力支持,高質(zhì)量的麥克風(fēng)價(jià)格非常昂貴。隨著汽車語音識(shí)別系統(tǒng)市場(chǎng)需求的不斷上升,預(yù)計(jì)語音識(shí)別系統(tǒng)的價(jià)格在未來會(huì)逐步下降。


未來展望


Capgemini Research Institute 的研究數(shù)據(jù)顯示,2022年,77%的消費(fèi)者使用了汽車語音助手進(jìn)行娛樂和導(dǎo)航,超過60%在駕駛時(shí)使用過語音助手的人在購(gòu)買決策中考慮了汽車語音助手的可用性。


語音人工智能(AI)的崛起使得汽車變得更加自主、更加個(gè)性化,消費(fèi)者對(duì)使用語音人工智能來提高駕駛體驗(yàn)的興趣越來越大。目前,語音控制系統(tǒng)大多是一套基本的命令。當(dāng)對(duì)話式人工智能出現(xiàn)后,這些系統(tǒng)將能夠理解多種形式的對(duì)話,并與用戶之間開展多功能的和自然的互動(dòng)。其中,精確的語音交互技術(shù)將是技術(shù)改進(jìn)的重點(diǎn)。一個(gè)高集成度、功能齊全的汽車語音助手可以提供準(zhǔn)確的語音識(shí)別,有助于實(shí)現(xiàn)汽車語音識(shí)別從小眾到廣泛采用的轉(zhuǎn)變。


將ChatGPT集成到梅賽德斯-奔馳汽車公司的車輛中是汽車行業(yè)使用語音技術(shù)的重大進(jìn)步。數(shù)字語音助手為制造商提供了一個(gè)增強(qiáng)用戶體驗(yàn)的機(jī)會(huì),并根據(jù)駕駛員的要求為新的服務(wù)和收入機(jī)會(huì)提供了平臺(tái)。預(yù)計(jì)到2028年,全球銷售的新車中將有近90%搭載語音助手。


汽車行業(yè)一直是專利創(chuàng)新的熱土?;ヂ?lián)汽車的興起、人工智能(AI)、機(jī)器學(xué)習(xí)(ML)和自然語言處理(NLP)等技術(shù)的日益完善,進(jìn)一步推動(dòng)了汽車領(lǐng)域的創(chuàng)新活動(dòng)。Global Data在關(guān)于汽車創(chuàng)新的報(bào)告中指出,僅在過去三年,汽車行業(yè)就有超過170萬項(xiàng)專利申請(qǐng)和授權(quán)。語音技術(shù)的進(jìn)步為汽車行業(yè)改善用戶的駕駛體驗(yàn)開辟了新的機(jī)會(huì)。從個(gè)性化語音交互到免提操作,語音技術(shù)已成為汽車創(chuàng)新的關(guān)鍵要素。

文章來源:貿(mào)澤電子

 

免責(zé)聲明:本文為轉(zhuǎn)載文章,轉(zhuǎn)載此文目的在于傳遞更多信息,版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問題,請(qǐng)聯(lián)系小編進(jìn)行處理。


推薦閱讀:

自動(dòng)駕駛車輛數(shù)據(jù)的中央集中式處理

意法半導(dǎo)體碳化硅數(shù)位電源解決方案被肯微科技采用于服務(wù)器電源供應(yīng)器設(shè)計(jì)及應(yīng)用

開展倒計(jì)時(shí)8天|CITE2024邀您打卡開年深圳首個(gè)電子信息展

低壓MOS在新能源園林機(jī)械上的應(yīng)用

利用雙MOSFET最大限度地提高開關(guān)轉(zhuǎn)換器應(yīng)用的功率密度和性能


特別推薦
技術(shù)文章更多>>
技術(shù)白皮書下載更多>>
熱門搜索
?

關(guān)閉

?

關(guān)閉