车载语音助手旗子暗记处理一

作为语音产品经理，这部分在我们的事情中可能不会涉及到，但是一定要清楚，对付一次语音交互的流程来说，最具寻衅性的部分并不是语音和语义本身，而是“音频旗子暗记处理”。

音频旗子暗记处理的结果，即音频数据的质量，直接影响到终极的语音识别效果。
而语音识别的效果，又直接影响到语义理解的结果。
这就像一条链，每个环节都紧密相连，缺一不可（没录上人声总不能指望机器无中生有吧）。

车载语音助手旗子暗记处理一汽车知识

每一环到下一环都会导致有效信息的损耗，而我们要做的便是尽可能减少每一个环节的信息损耗。

以是旗子暗记处理环节核心目标便是一个：提高有效声源的接管质量。
如何做到呢？第一提高有效声源的质量；第二降落滋扰声源的影响。

对付影响旗子暗记处理的缘故原由，用我们生活中的案例类比👇

1.玩绝地求生如果只戴一只耳机，是不是脚步来源的方向就不愿定了？

2.在卫生间唱歌，在KTV包厢里唱歌和在操场上唱歌自己听的效果是不是完备不一样

3.如果教室上大家都在说话，要听清楚老师讲课的内容是不是很困难？

对应到上面三个例子中“旗子暗记处理”的影响成分紧张是【硬件】、【空间】、【噪音】。
现在看看他们分别可以在哪些地方做文章。

一、硬件音源拾取1. 麦克风阵列定向收音

和旗子暗记处理强干系的硬件，紧张是麦克风，一个麦克风很难定位出声音的位置，这里引入一个新的观点，叫“麦克风阵列”，它可以进行”声源定位“，用来确定声源发出的详细方向，乃至是位置（间隔）。
一样平常情形下，麦克风数量越多，定“向”的精准度越高。
如下图空想汽车麦克风布局图示意，采取四麦克风阵列的办法，这些麦克风的组合在一起共同去完成指定声音的采集，这些采集好的声音，实在便是“旗子暗记处理”的“输入”。

（车厂一样平常采取双麦方案，若支持四音区识别的一样平常采取四麦阵列方案）

2. 麦克风阵列定向抑制

从事理上看，既然多麦方案可以分辨出声源的方向，那我们就可以在这根本之上，增加“定向抑制”的哀求，从而达到，在一个合理角度区域内采集的声音进行增益，对这个区域之外的声音进行抑制。
进而可以降落其他区域产生的声音的滋扰。

硬件会影响旗子暗记处理，但公司用谁的麦克风产品，或者开拓什么收音设备不是一个软件产品经理可以影响，并且目前大部分语音公司的根本硬件能力都够用了。
以是关于硬件就先这儿。

二、空间降落自身噪音

初中物理讲过声音在传播过程中会涌现反射和混响，简而言之便是声音会在一个空间内不断的反射，并且稠浊其他声音一起反射。
比较大，吸音做的比较好的空间可以让人耳分不清原声和反应，但是这些声音是存在，会被麦克风收入影响后续的旗子暗记处理。

举例：车载场景，在导航态和音乐播放态下用户说：“打开座椅推拿”。

在这个例子中，麦克风采集到的音频包含：

声源原音：“打开座椅推拿”的原声音频，打开座椅推拿”的反应音频N内部噪音：比如车载音乐的音频，导航的播报音频外部噪音：比如车噪，风噪

麦克风直接懵掉，这么多声音稠浊在一起，该提取哪一个呢？

这里引入一个新的观点，叫“反应肃清”（AEC），紧张的事情事理便是将由设备所发出的声音，比如车载音乐，导航播报，见告“旗子暗记处理”，这是我自己说的话，麻烦处理掉。

当然，语音助手的回答也会被一起处理，不然就会涌现车载助手说话，然后识别自己的话，再回答自己的话，陷入一个无意义的循环。