【導(dǎo)讀】語(yǔ)音識(shí)別是設(shè)備對(duì)語(yǔ)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(tīng)寫(xiě)軟件?，F(xiàn)在，在汽車(chē)和智能手機(jī)中語(yǔ)音識(shí)別技術(shù)有了更廣泛的應(yīng)用，比如蘋(píng)果的Siri和特斯拉汽車(chē)中的語(yǔ)音命令都采用了先進(jìn)的語(yǔ)音識(shí)別技術(shù)。
語(yǔ)音識(shí)別是設(shè)備對(duì)語(yǔ)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(tīng)寫(xiě)軟件。現(xiàn)在，在汽車(chē)和智能手機(jī)中語(yǔ)音識(shí)別技術(shù)有了更廣泛的應(yīng)用，比如蘋(píng)果的Siri和特斯拉汽車(chē)中的語(yǔ)音命令都采用了先進(jìn)的語(yǔ)音識(shí)別技術(shù)。
在汽車(chē)中，語(yǔ)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(pán)上，同時(shí)還能獲得安全且免提的車(chē)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(lè)等。現(xiàn)在，車(chē)載語(yǔ)音助手已成為大多數(shù)車(chē)輛的標(biāo)準(zhǔn)功能。
汽車(chē)語(yǔ)音助手的興起
汽車(chē)語(yǔ)音助手是一種語(yǔ)音識(shí)別控制系統(tǒng)，它允許駕駛員用語(yǔ)音控制車(chē)輛的功能和特征，比如用于車(chē)輛的氣候控制、娛樂(lè)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(chē)中使用語(yǔ)音識(shí)別技術(shù)的汽車(chē)制造商之一，該公司于2004年提供了一種語(yǔ)音導(dǎo)航系統(tǒng)，主要用于音頻、DVD和車(chē)內(nèi)環(huán)境控制的語(yǔ)音命令和控制功能。隨著時(shí)間的推移，汽車(chē)中的語(yǔ)音識(shí)別技術(shù)有了較大改進(jìn)，如今，汽車(chē)中的語(yǔ)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(chē)就已選擇將Cerence公司的語(yǔ)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(yǔ)言理解和文本到語(yǔ)音技術(shù)等功能整合到一個(gè)堆棧中，使得汽車(chē)語(yǔ)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(yǔ)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(guò)語(yǔ)音進(jìn)行車(chē)內(nèi)控制的各種新興應(yīng)用。自動(dòng)駕駛汽車(chē)的出現(xiàn)更是有力推動(dòng)了汽車(chē)語(yǔ)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(chē)語(yǔ)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(guò)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(yǔ)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(lái)幾年將為汽車(chē)識(shí)別系統(tǒng)市場(chǎng)提供更多增長(zhǎng)機(jī)會(huì)。
2022年至2032年汽車(chē)語(yǔ)音識(shí)別系統(tǒng)市場(chǎng)發(fā)展趨勢(shì)
（圖源：Precedence research）
來(lái)自Vynz research的分析結(jié)果表明，2023年，汽車(chē)語(yǔ)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%。
汽車(chē)創(chuàng)新中的語(yǔ)音識(shí)別技術(shù)
近年來(lái)，語(yǔ)音識(shí)別技術(shù)徹底改變了消費(fèi)者與汽車(chē)的互動(dòng)方式，從個(gè)性化的語(yǔ)音交互到提高安全性和整體用戶體驗(yàn)的免提操作，語(yǔ)音技術(shù)已成為推動(dòng)汽車(chē)創(chuàng)新的催化劑。
特斯拉（Tesla）基于上下文的語(yǔ)音命令的實(shí)現(xiàn)代表著汽車(chē)語(yǔ)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(chē)進(jìn)行互動(dòng)。
例如，用戶可以直接說(shuō)出自己的目的地，車(chē)輛就會(huì)為你規(guī)劃出行車(chē)路線圖，簡(jiǎn)化了導(dǎo)航過(guò)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(yǔ)言理解能力，比如通過(guò)語(yǔ)音調(diào)整車(chē)內(nèi)溫度設(shè)置。這一能力展現(xiàn)出增強(qiáng)車(chē)載語(yǔ)音控制系統(tǒng)的潛力，也證明了投資先進(jìn)語(yǔ)音識(shí)別技術(shù)的重要性。
對(duì)于車(chē)載語(yǔ)音助手來(lái)說(shuō)，獲得準(zhǔn)確而清晰的語(yǔ)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(yǔ)音設(shè)備可能會(huì)干擾語(yǔ)音識(shí)別的準(zhǔn)確率。目前的車(chē)載語(yǔ)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(chē)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(lái)接收從數(shù)百個(gè)方向到達(dá)的語(yǔ)音信號(hào)。如今，語(yǔ)音識(shí)別的準(zhǔn)確性已經(jīng)顯著提高，在包含數(shù)萬(wàn)個(gè)單詞的詞匯表中，錯(cuò)誤率可降至5%左右。
語(yǔ)音控制為控制現(xiàn)代汽車(chē)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(kāi)發(fā)人員利用機(jī)器學(xué)習(xí) (ML) 和語(yǔ)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(yǔ)音控制功能添加到汽車(chē)語(yǔ)音助手等應(yīng)用中。
NXP擁有一系列語(yǔ)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(yǔ)音應(yīng)用提供高質(zhì)量、可靠的嵌入式語(yǔ)音處理。其產(chǎn)品組合中的新成員——智能語(yǔ)音技術(shù) (VIT)，是一種全面的先進(jìn)語(yǔ)音控制軟件解決方案，可作為MCUXpresso軟件開(kāi)發(fā)套件 (SDK) 中的現(xiàn)成軟件庫(kù)。VIT軟件基于先進(jìn)的深度學(xué)習(xí)和語(yǔ)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(kāi)啟的喚醒詞引擎和一個(gè)語(yǔ)音命令引擎，以及生成客戶定義的喚醒詞和語(yǔ)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(yǔ)音控制并不是一件容易的事，開(kāi)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(yǔ)音處理軟件，包括AFE波束成形器、單獨(dú)的喚醒詞引擎和語(yǔ)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(zhuān)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。
支持VIT軟件的NXP i.MX RT1170跨界MCU系統(tǒng)框圖（圖源：NXP）
汽車(chē)語(yǔ)音識(shí)別技術(shù)的四大挑戰(zhàn)
語(yǔ)音識(shí)別技術(shù)已經(jīng)存在很長(zhǎng)時(shí)間了，盡管汽車(chē)語(yǔ)音助手的受歡迎程度穩(wěn)步上升，但在實(shí)施和開(kāi)發(fā)語(yǔ)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(yǔ)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(chēng)準(zhǔn)確性不高是采用語(yǔ)音識(shí)別技術(shù)的主要障礙。在試圖提高語(yǔ)音識(shí)別模型的準(zhǔn)確性時(shí)，背景噪聲帶來(lái)的影響非常大。
解決方法可以從三個(gè)方面入手：一是在開(kāi)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(lái)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(yǔ)言、口音和方言覆蓋率的挑戰(zhàn)
目前，沒(méi)有一種SRS可以覆蓋所有的語(yǔ)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(yǔ)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(yǔ)音識(shí)別技術(shù)持猶豫不決的態(tài)度。這個(gè)問(wèn)題目前沒(méi)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(guò)設(shè)置選項(xiàng)來(lái)限制數(shù)據(jù)收集。
4. 成本和部署的挑戰(zhàn)
開(kāi)發(fā)和實(shí)施SRS是一個(gè)成本高昂且持續(xù)不斷的過(guò)程。如果SRS需要覆蓋各種語(yǔ)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(guò)程中，數(shù)據(jù)收集過(guò)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(chē)語(yǔ)音識(shí)別系統(tǒng)市場(chǎng)需求的不斷上升，預(yù)計(jì)語(yǔ)音識(shí)別系統(tǒng)的價(jià)格在未來(lái)會(huì)逐步下降。
未來(lái)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(chē)語(yǔ)音助手進(jìn)行娛樂(lè)和導(dǎo)航，超過(guò)60%在駕駛時(shí)使用過(guò)語(yǔ)音助手的人在購(gòu)買(mǎi)決策中考慮了汽車(chē)語(yǔ)音助手的可用性。
語(yǔ)音人工智能（AI）的崛起使得汽車(chē)變得更加自主、更加個(gè)性化，消費(fèi)者對(duì)使用語(yǔ)音人工智能來(lái)提高駕駛體驗(yàn)的興趣越來(lái)越大。目前，語(yǔ)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(kāi)展多功能的和自然的互動(dòng)。其中，精確的語(yǔ)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(chē)語(yǔ)音助手可以提供準(zhǔn)確的語(yǔ)音識(shí)別，有助于實(shí)現(xiàn)汽車(chē)語(yǔ)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(chē)公司的車(chē)輛中是汽車(chē)行業(yè)使用語(yǔ)音技術(shù)的重大進(jìn)步。數(shù)字語(yǔ)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(xiāo)售的新車(chē)中將有近90%搭載語(yǔ)音助手。
汽車(chē)行業(yè)一直是專(zhuān)利創(chuàng)新的熱土?；ヂ?lián)汽車(chē)的興起、人工智能（AI）、機(jī)器學(xué)習(xí)（ML）和自然語(yǔ)言處理（NLP）等技術(shù)的日益完善，進(jìn)一步推動(dòng)了汽車(chē)領(lǐng)域的創(chuàng)新活動(dòng)。Global Data在關(guān)于汽車(chē)創(chuàng)新的報(bào)告中指出，僅在過(guò)去三年，汽車(chē)行業(yè)就有超過(guò)170萬(wàn)項(xiàng)專(zhuān)利申請(qǐng)和授權(quán)。語(yǔ)音技術(shù)的進(jìn)步為汽車(chē)行業(yè)改善用戶的駕駛體驗(yàn)開(kāi)辟了新的機(jī)會(huì)。從個(gè)性化語(yǔ)音交互到免提操作，語(yǔ)音技術(shù)已成為汽車(chē)創(chuàng)新的關(guān)鍵要素。
文章來(lái)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(wèn)題，請(qǐng)聯(lián)系小編進(jìn)行處理。
推薦閱讀：
自動(dòng)駕駛車(chē)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(kāi)展倒計(jì)時(shí)8天|CITE2024邀您打卡開(kāi)年深圳首個(gè)電子信息展
利用雙MOSFET最大限度地提高開(kāi)關(guān)轉(zhuǎn)換器應(yīng)用的功率密度和性能
