近期，Oculus為三星Gear VR虛擬現實頭盔增加了兩項分別名為“Parties”和“Rooms”功能，旨在提高用戶在使用VR設備時進行更多的互動交流。2016年FaceBook創始人扎克伯格在VR計劃會上也講到，“VR將成為下一個計算平臺，將帶領人們完全顛覆現有的網絡社交模式。”VR社交概念被炒得如火如荼，但VR路途卻并不那么美好，首先，現今面臨的問題就是語音交互的問題。今天，小編就來為大家講講VR語音交互的這個問題。

一、科大訊飛語音引擎系統

InterReco語音識別系統

科大訊飛推出全球領先的InterReco語音識別系統，InterReco驅動自助語音服務和語音搜索業務，是語音商務（V-Commerce）的核心動力引擎。目前，InterReco語音識別系統已經能夠利用先進的自助語音服務解決方案來處理日益增長的信息咨詢、電子交易和客戶的服務需求。基于InterReco的解決方案幫助用戶在任何時候、任何地點通過隨處可得的電話輕松自然的獲得信息與服務，享受高效、穩定、便捷的應用體驗。

InterReco語音識別系統采用分布式架構，繼承了科大訊飛久經考驗的電信級語音平臺高穩定的特點，可以滿足電信級應用的高可靠性、高可用性要求。針對傳統語音識別產品集成開發困難，業務設計繁瑣的問題，InterReco產品大大簡化了集成開發和業務開發的復雜度，為系統集成人員和業務開發人員提供了便捷、高效的開發環境。

InterReco產品的主要功能組成模塊及結構

InterReco語音識別系統主要包括應用接口、識別引擎和操作系統適配三個層次，這三個邏輯層共同構成完整的InterReco系統架構。

應用接口是InterReco系統提供的開發接口，集成開發人員應關注這些接口的定義、功能和使用方法。識別引擎提供核心的語音識別功能，并作為應用接口的功能實現者；同時

為了便于開發和使用，系統在這一層提供了一系列高效、易用的工具。操作系統適配層屏蔽了多操作系統的復雜性，為識別引擎提供操作系統相關的底層支持。

InterReco語音識別系統按照邏輯組成可以分為識別語法（Grammar）、識別引擎核心（Recognizer Core）、語音端點檢測（Voice Activation Detector）、音頻輸入（Audio Source）四個子系統，系統的主要設計和開發將按照這些子系統進行。

嵌入式語音Aisound系列產品

同樣，科大訊飛還提供了電信級及嵌入式語音合成技術，嵌入式語音Aisound系列是公司一款全球領先的語音合成技術，其尺寸小，資源占用低，效率高，主要應用于嵌入式領域的語音合成軟件模塊。適用于不同行業的語音播報和應用需求。

科大訊飛嵌入式語音方案主要提供：XFS3031CNP中文語音合成芯片、XFS4243CE中英文語音合成模塊、XFS5152CE中英文語音合成芯片、XF-S4240中文語音合成模塊等四套語音合成方案，目前已成功應用于車載調度儀、信息機、氣象預警機、考勤機、排隊機、手持智能儀表、稅控機等各類信息終端產品上。另外，語音引擎還提供輕量級語音合成軟件Aisound，支持的嵌入式平臺和支持功能應用均非常廣泛。

XFS3031CNP中文語音芯片系統構成圖

科大訊飛語音合成系統框架圖

二、云知聲“遠場語音識別技術”方案

在語音云平臺方面，云知聲主要在語音識別、語義理解以及語音合成等三方面具備自身的技術優勢。語音交互作為VR領域的一個交互入口，云知聲更是強調適應各種不同日常場景的交互技術，目前，云知聲主要針對語音云平臺、智能車載、智能家居、教育等四個垂直領域的語音識別技術提供解決方案。

云知聲研發的最新語音技術——“基于雙麥克風陣列的遠場語音識別方案”。 這款方案采用了世界領先的SSP技術可以有效抑制用戶語音之外的噪聲和混響效應，做到在95%以上的場景中可以有效地進行遠場拾音，配合云知聲的遠場語音識別引擎，保證了5米距離內，達到精準的識別效果。同時，由于該方案只需要2只麥克風，安裝位置靈活，也無需考慮設備朝向。

云知聲“云端芯”生態

云知聲提供語音識別、語義理解、語音合成、聲紋識別等多項語音核心技術，云知聲開放平臺支持一站式語音應用開發，可自主創建語音應用、并可添加相應的匹配需求方案，通過平臺類型設置完成SDK集成包開發，并完成語音產品上線發布。

三、聲網Agora.io實時語音系統

聲網Agora.io語音SDK采用全球獨有的32khz超寬頻音質，是普通電話音質的4倍，并提供多聲道音效系統，實現VR體驗中的“聽聲辯位”，堪比3D音效。更重要的是，實時語音還可以完美的與游戲背景音樂融合，大大增加了用戶的臨場感。

除了音頻處理上的優化，聲網Agora.io依托全球部署的虛擬通信網絡，確保為游戲應用提供不卡、不掉線、超低延遲的體驗，特別針對網絡狀況不好情況下的獨特優化，可極大提高游戲應用和游戲直播的互動性。這一“重量級武器”，開發者只需要30分鐘集成即可輕松完成。

針對無法實現基本的聽音辨位問題，聲網Agora.io推出了多聲道音效系統解決方案。通過集成語音通話SDK，可獲得擁有實時高清音質、32khz超帶頻的語音編解碼器NOVA，實現VR畫面中聲音的立體化環繞，讓用戶感受到來自四面八方環繞的聲音，同時通過智能化回聲消除和降噪功能，讓用戶可以通過聲音精準定位空間位置，實現良好的畫面沉浸感受。