（文章來源：雷鋒網）

據科技市場研究企業 Canalys 發布的第二季度全球智能音箱市場報告，百度繼今年上一季度超越阿里后，再度超越該行業的“雙寡頭”之一谷歌，成為全球第二大智能音箱供應商。

在智能音箱這一賽道，相比其他頭部廠商，百度入局稍晚，如今卻能力壓群雄取得一系列亮眼成績。百度系智能音箱作為 C 端可體驗產品，普通用戶對其音質、聽感等各方面都有較為直觀的感受，而所有優質體驗的背后，百度在智能語音技術上的積累可謂功不可沒。從智能音箱的遠場語音識別、對話交互技術甚至產品硬件技術，百度始終堅持“親力親為”，為智能音箱積淀了一整套完善一體的技術儲備和解決方案，從而為小度智能音箱的體驗提供了強大的后盾支持。

“百度發布SMLTA模型，帶來語音技術世界級突破”、“小度智能音箱首度落地完全意義上的全雙工連續交互技術”，無論是語音喚醒、語音交互，還是遠場信號處理、聲學技術乃至產品硬件技術，百度都給智能語音技術領域帶來過不少驚艷的突破創新，得到 C 端用戶的認可，經過市場的檢驗，這也是對百度在智能語音技術一系列突破性進展的最好回響。

除了在智能語音領域有著整體全面的技術布局，在每一項語音技術上，百度更是在不斷深耕。下面，AI 科技評論將聚焦智能音箱這一遠場語音識別產品的關鍵性技術，主要從語音喚醒算法、語音交互模式、遠場信號處理、語音聲學技術以及產品硬件技術五個維度，來對百度蓄力爆發的小度智能音箱背后的黑科技進行揭秘。

人要跟智能音箱進行對話，第一道關卡便是語音喚醒，因而語音喚醒對于后續的整個用戶體驗而言，至關重要。然而在智能音箱這一遠場語音識別載體中，而技術本身，外部環境對于語音喚醒質量的高低有著非常直接的影響。例如當外部噪音很大時，誤喚醒等問題就非常突出了。

而百度，除了面臨所有智能音箱產品都面臨的此類挑戰外，還存在其內部獨有的喚醒技術難點。包括，第一，“小度小度”作為百度智能音箱的喚醒詞，雖朗朗上口，但它相對于市面上其他音箱常用的“你好xx”、“xx同學”技術上更不容易控制誤報率；第二，百度的產品矩陣豐富，更使得喚醒技術所面臨的外部環境更加復雜多變，因而對喚醒的精度和誤報的控制提出了更高的挑戰。

針對這些挑戰和技術難點，百度首先從算法層面實現了語音喚醒技術的突破，即將誤喚醒的控制由對著測試集手工調節變成了海量數據訓練驅動的過程，并具體從兩個方面提升了模型的建模能力：“每輪對話之前，都要喚醒一次”，這是當下市面上多數智能音箱的常態，也是人們在使用智能音箱期間的最大槽點之一。人們對于智能音箱“像人與人一樣交流”的憧憬要想實現，首要條件之一就是要能夠做到：持續對話。

在智能音箱的連續交互能力上，百度為小度智能音箱研發的全雙工免喚醒能力的表現，非常出色。這項能力組合應用了語音語義聯合的尾點檢測技術、全雙工語音識別技術、置信度技術和語音語義一體化技術，在實現“一次對話，多輪交互”的同時，還能快速響應，并良好地區分用戶交互意圖。

據悉，與目前業內最好的基于CTC模型的語音識別系統相比，SMLTA基于截斷的端到端語音識別建模方法，讓語音識別錯誤率的下降幅度達15%以上。而除了語音識別技術，在當下的智能音箱市場，一款音箱要成為“好賣”的音箱，其中一個非常重要的因素就是性價比。如何將智能音箱的成本降到盡可能低，并擁有比同價位的競品更加出色的音質，同時還能夠有效控制住音頻失真確保喚醒識別率呢？

整體而言，智能語音作為AI 領域相對比較成熟的細分方向，近年來在產品落地方面也都走在其他技術的前面。但這些技術具體落地到某個具體場景或特殊場景中時，面臨的挑戰依舊巨大。如何不斷優化智能語音技術，并實現技術的大規模產品落地，依舊是該領域需要大力探索的主題。

未來，智能音箱要想取得更加明顯的體驗提升，背后技術的突破創新是繞不開的一個話題。百度語音技術團隊不斷在攻堅克難，算法迭代創新，并善于將之應用在落地產品中。就在前不久，百度語音首席架構師賈磊的回歸，又將為百度語音技術帶來怎樣的變化和突破？拭目以待。