语音唤醒技术在智能设备中扮演关键角色，作为人机交互的入口。它区别于语音识别，能持续检测目标关键词，如Amazon Echo的'alexa'。常用实现方式包括dnn+hmm和lstm+ctc模型。科大讯飞和百度提供在线和离线SDK，唤醒率通常超过95%。各种算法各有优缺点，如Sphinx的模块化结构，Mozilla DeepSpeech的高准确性，但对多种语言支持有限，Kaldi则因加入神经网络支持而流行。
随着 Echo 出现，all in one 音响类产品雏形开始显现，语音交互成为最直接的控制方式，Amazon Echo作为最佳代表，智能语音交互成为互联网入口的新价值所在。ABI Research 在 2017 年収布的预测报告指出，估计到 2022 年，支持语音控制的装置出货量将达到 7500万台，其中智能喇叭/数位语音助理预计达到 4700 万台，预计智能音箱销售量将会逐步上升，未来三年内还将保持 50%以上的复合增速。2017 年 ，Echo 系列产品销售量超过 1000 万台，销售额达到 8~10 亿美元；伴随着智能音箱的火热以及背后语音交互生态的成熟，将会带动越来越多的设备语音化、智能化，使语音真正成为人机交互的一个界面。而在语音交互设备中，语音唤醒技术越发显得重要，成为人与设备“沟通”的桥梁。
首先，什么是语音唤醒？
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
