【導讀】語(yǔ)音識別是設備對語(yǔ)音命令做出響應的能力，它實(shí)現了對各種設備的免提控制。該技術(shù)最早的應用是自動(dòng)電話(huà)系統和醫療聽(tīng)寫(xiě)軟件?，F在，在汽車(chē)和智能手機中語(yǔ)音識別技術(shù)有了更廣泛的應用，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)音識別技術(shù)。
語(yǔ)音識別是設備對語(yǔ)音命令做出響應的能力，它實(shí)現了對各種設備的免提控制。該技術(shù)最早的應用是自動(dòng)電話(huà)系統和醫療聽(tīng)寫(xiě)軟件?，F在，在汽車(chē)和智能手機中語(yǔ)音識別技術(shù)有了更廣泛的應用，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(zhù)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)內體驗，包括接打電話(huà)、選擇電臺、設置導航或播放音樂(lè )等?，F在，車(chē)載語(yǔ)音助手已成為大多數車(chē)輛的標準功能。
汽車(chē)語(yǔ)音助手的興起
汽車(chē)語(yǔ)音助手是一種語(yǔ)音識別控制系統，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 )設置、導航和其他功能，還可用于免提通話(huà)和發(fā)送短信。
本田是最早在汽車(chē)中使用語(yǔ)音識別技術(shù)的汽車(chē)制造商之一，該公司于2004年提供了一種語(yǔ)音導航系統，主要用于音頻、DVD和車(chē)內環(huán)境控制的語(yǔ)音命令和控制功能。隨著(zhù)時(shí)間的推移，汽車(chē)中的語(yǔ)音識別技術(shù)有了較大改進(jìn)，如今，汽車(chē)中的語(yǔ)音識別技術(shù)已經(jīng)能夠準確解釋駕駛員的命令并執行較復雜的操作。
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系統集成到大眾高爾夫8 GTI中，所使用的Cerence Drive 2.0系統于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)音識別系統有了較高的響應速度。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，人們也因此更加習慣通過(guò)語(yǔ)音進(jìn)行車(chē)內控制的各種新興應用。自動(dòng)駕駛汽車(chē)的出現更是有力推動(dòng)了汽車(chē)語(yǔ)音識別系統的發(fā)展。
根據Precedence research的數據，2023年，全球汽車(chē)語(yǔ)音識別系統市場(chǎng)價(jià)值為28.9億美元，預計到2032年將超過(guò)約111.7億美元，在2023年至2032年的預測期內，復合年增長(cháng)率將達到16.20%。
目前，語(yǔ)音識別系統市場(chǎng)的市場(chǎng)參與者正在大力投資生物識別和人工智能技術(shù)，在未來(lái)幾年將為汽車(chē)識別系統市場(chǎng)提供更多增長(cháng)機會(huì )。
2022年至2032年汽車(chē)語(yǔ)音識別系統市場(chǎng)發(fā)展趨勢
（圖源：Precedence research）
來(lái)自Vynz research的分析結果表明，2023年，汽車(chē)語(yǔ)音識別市場(chǎng)的價(jià)值為28.1億美元，預計到2030年將達到68.7億美元，在2025年至2030年的預測期內的復合年增長(cháng)率為16.41%。
汽車(chē)創(chuàng )新中的語(yǔ)音識別技術(shù)
近年來(lái)，語(yǔ)音識別技術(shù)徹底改變了消費者與汽車(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(hù)體驗的免提操作，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)現代表著(zhù)汽車(chē)語(yǔ)音識別技術(shù)在應用上有了重大突破，這項技術(shù)可以讓用戶(hù)更直觀(guān)地與他們的Tesla汽車(chē)進(jìn)行互動(dòng)。
例如，用戶(hù)可以直接說(shuō)出自己的目的地，車(chē)輛就會(huì )為你規劃出行車(chē)路線(xiàn)圖，簡(jiǎn)化了導航過(guò)程。此外，該系統還能夠理解先前命令的上下文，具備復雜的自然語(yǔ)言理解能力，比如通過(guò)語(yǔ)音調整車(chē)內溫度設置。這一能力展現出增強車(chē)載語(yǔ)音控制系統的潛力，也證明了投資先進(jìn)語(yǔ)音識別技術(shù)的重要性。
對于車(chē)載語(yǔ)音助手來(lái)說(shuō)，獲得準確而清晰的語(yǔ)音信號始終是一個(gè)重大挑戰。道路和風(fēng)噪以及多個(gè)人使用語(yǔ)音設備可能會(huì )干擾語(yǔ)音識別的準確率。目前的車(chē)載語(yǔ)音識別系統大多使用了波束成形技術(shù)，該技術(shù)使用一維“到達方向”參數對聲音場(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(hù)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)接收從數百個(gè)方向到達的語(yǔ)音信號。如今，語(yǔ)音識別的準確性已經(jīng)顯著(zhù)提高，在包含數萬(wàn)個(gè)單詞的詞匯表中，錯誤率可降至5%左右。
語(yǔ)音控制為控制現代汽車(chē)上復雜人機接口（HMI）功能提供了一種安全方便的解決方案。開(kāi)發(fā)人員利用機器學(xué)習 (ML) 和語(yǔ)音建模的強大功能，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)音助手等應用中。
NXP擁有一系列語(yǔ)音控制和通信軟件和系統解決方案，為人對人和人對機器的語(yǔ)音應用提供高質(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) 中的現成軟件庫。VIT軟件基于先進(jìn)的深度學(xué)習和語(yǔ)音識別技術(shù)，提供了完整的遠場(chǎng)音頻前端（AFE），支持多達三個(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(hù)定義的喚醒詞和語(yǔ)音命令模型的在線(xiàn)工具。
如前所述，實(shí)現可靠的設備端語(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處理硬件平臺以及相應的語(yǔ)音處理軟件，包括AFE波束成形器、單獨的喚醒詞引擎和語(yǔ)音命令引擎等。VIT軟件可在基于A(yíng)rm Cortex-M7和M33、Cadence Xtensa HiFi4和Fusion F1內核的NXP i.MX邊緣處理平臺上使用。目前，支持VIT的i.MX 跨界MCU平臺包括：
? i.MX RT500 MCU（配備M33、DSP和GPU內核）
? i.MX RT600 MCU（配備M33和DSP內核）
? i.MX RT1060 MCU（配備M7內核）
? i.MX RT1160 MCU（配備M7和M4內核）
? i.MX RT1170 MCU，搭載1 GHz MCU（配備M7和M4內核）
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)為低功耗應用而設計。i.MX RT500 Cortex-M33內核的運行頻率高達275MHz，包括兩個(gè)協(xié)處理器，可提供更高的性能。Fusion DSP的運行頻率高達275MHz。該系列提供豐富的外設、嵌入式安全性和超低功耗，具有高達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內核，具有實(shí)時(shí)性能和高度集成。i.MX RT1170 Cortex-M7的運行頻率高達1GHz，Cortex-M4的運行頻率達到400MHz，同時(shí)具有2MB片上RAM。
這款實(shí)時(shí)MCU提供各種存儲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還增強了內置安全，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系統框圖（圖源：NXP）
汽車(chē)語(yǔ)音識別技術(shù)的四大挑戰
語(yǔ)音識別技術(shù)已經(jīng)存在很長(cháng)時(shí)間了，盡管汽車(chē)語(yǔ)音助手的受歡迎程度穩步上升，但在實(shí)施和開(kāi)發(fā)語(yǔ)音識別技術(shù)時(shí)我們很可能遇到以下四個(gè)挑戰：
1. 準確性的挑戰
語(yǔ)音識別系統（SRS）的準確性必須很高才具有實(shí)用和商業(yè)價(jià)值。根據近期的一項調查，73%的受訪(fǎng)者聲稱(chēng)準確性不高是采用語(yǔ)音識別技術(shù)的主要障礙。在試圖提高語(yǔ)音識別模型的準確性時(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(hù)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(xiàn)性降噪濾波器如高斯濾波器來(lái)平抑噪聲；三是構建一個(gè)去噪算法，以便在輸入/輸出聲音時(shí)對信號進(jìn)行平滑處理。
2. 語(yǔ)言、口音和方言覆蓋率的挑戰
目前，沒(méi)有一種SRS可以覆蓋所有的語(yǔ)言、方言和口音?？朔@一挑戰的一個(gè)有效方法是擴展數據集。只有足夠多的數據集才能為SRS提供AI/ML模型訓練。
3. 數據隱私和安全的挑戰
人的語(yǔ)音記錄可以被用作他們的生物特征數據。因此，許多人對使用語(yǔ)音識別技術(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用的透明度，并允許用戶(hù)通過(guò)設置選項來(lái)限制數據收集。
4. 成本和部署的挑戰
開(kāi)發(fā)和實(shí)施SRS是一個(gè)成本高昂且持續不斷的過(guò)程。如果SRS需要覆蓋各種語(yǔ)言、口音和方言，則需要訓練一個(gè)大型數據集。在此過(guò)程中，數據收集過(guò)程需要大量的資金，訓練模型需要有強大的算力支持，高質(zhì)量的麥克風(fēng)價(jià)格非常昂貴。隨著(zhù)汽車(chē)語(yǔ)音識別系統市場(chǎng)需求的不斷上升，預計語(yǔ)音識別系統的價(jià)格在未來(lái)會(huì )逐步下降。
未來(lái)展望
Capgemini Research Institute 的研究數據顯示，2022年，77%的消費者使用了汽車(chē)語(yǔ)音助手進(jìn)行娛樂(lè )和導航，超過(guò)60%在駕駛時(shí)使用過(guò)語(yǔ)音助手的人在購買(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，消費者對使用語(yǔ)音人工智能來(lái)提高駕駛體驗的興趣越來(lái)越大。目前，語(yǔ)音控制系統大多是一套基本的命令。當對話(huà)式人工智能出現后，這些系統將能夠理解多種形式的對話(huà)，并與用戶(hù)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)音助手可以提供準確的語(yǔ)音識別，有助于實(shí)現汽車(chē)語(yǔ)音識別從小眾到廣泛采用的轉變。
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。數字語(yǔ)音助手為制造商提供了一個(gè)增強用戶(hù)體驗的機會(huì )，并根據駕駛員的要求為新的服務(wù)和收入機會(huì )提供了平臺。預計到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）、機器學(xué)習（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)項專(zhuān)利申請和授權。語(yǔ)音技術(shù)的進(jìn)步為汽車(chē)行業(yè)改善用戶(hù)的駕駛體驗開(kāi)辟了新的機會(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：貿澤電子
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問(wèn)題，請聯(lián)系小編進(jìn)行處理。
推薦閱讀：
意法半導體碳化硅數位電源解決方案被肯微科技采用于服務(wù)器電源供應器設計及應用
開(kāi)展倒計時(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)轉換器應用的功率密度和性能
