语音识别“拐点”已至，现在切入才是好时机？

“现在切入语音识别正是好时机，更早进入也是在教育市场，过去两年一些公司的出货量经历了非常残酷的考验。现在行业进入拐点时期，我们进入正是最好的时间点”，探境科技CEO鲁勇对<电子发烧友>表示。





“拐点”之说何来？

根据Gartner在今年8月底发布的“人工智能技术成熟度曲线”可以看到，处于生产力成熟期（Plateau of Productivity）的技术仅有两项：语音识别（Speech Recognition）和GPU加速器（accelerators），且正处于爬升态势。来自市场的反馈同样如此，这两项技术是当前落地最快、最多的AI项目。



在语音识别的落地项目中，场景最多的当属智能家居领域，以智能音箱为典型代表。但是，从用户反馈来看，两大问题已经浮现出来：一是在真实语音交互场景中，在复杂的声场环境、噪音的影响下，语音识别准确率直线下降；二是越来越多安全问题的爆出，让用户对于家中的这个“云耳朵”充满了担忧。

第一批智能音箱在满足了用户的好奇心之后，成为非常鸡肋的一个产品，要么在家中落灰，要么需要时时警惕，仅在偶尔使用时才敢接上电源。

在成为爆款这件事上，智能音箱让业界失望了。

满足好奇心过后，语音交互下一波靠什么撬动市场？是价格吗？

是，也不全是。在巨大的市场痛点面前，谁能抓住用户需求，真正解决问题，谁才有希望在这条拥挤的赛道上前进一小段。

市场正在开始新一轮的筛选。

市场需要什么样的语音识别方案？

语音作为人机交互的重要方式之一，终极目标是实现自然的交互。而当前的技术远远达不到，在语音识别这一环节，解决噪音问题、提升远场语音识别率、消除用户顾虑/提升安全性成为当务之急。

在家居场景下，语音识别面临两大挑战：

第一是低信噪比。在我们的生活场景中，存在着一些高噪声的环境，比如抽油烟机或者扫地机器人，这些设备上噪声最低也有70分贝。麦克风距离这些设备非常近，而操作者距离麦克风会更远些，这些因素叠加，会导致语音识别设备采集到的信噪比非常低，给识别带来很大的挑战。

第二是非稳态的噪声的影响。传统降噪算法无法处理，比如电视剧声音/音乐突然的节奏变化，或者是做饭时叮叮咣咣的声音等，都带有突发性和不可预见性。

为了解决上述挑战，增强语音信号质量、提升信噪比，业界通常采用麦克风阵列的方式。但是，在干扰信号和目标声源方向接近的场景下，传统的麦克风阵列增强算法几乎无法处理。

据<电子发烧友>了解，目前市面上的智能语音芯片方案可粗略分为两种：一种是披着“AI”外衣的DSP，这种方案可实现轻量级的NN支持，在识别指令数量方面有提升，但是通常并无降噪支持；另一种可支持RNN/CNN/DNN等模型、架构上通常采用MCU+NN或MCU+DSP+NN。

在鲁勇看来，未来用户体验要求会越来越高，相应地将造成算法越来越复杂，对算力的要求将更高。只有从底层进行颠覆性创新，才能真正解决问题。

揭密探境语音识别三大核心技术

AI降噪+HONN神经网络提升识别率

在语音识别的研发过程中，一个完整的识别链路可以简化为麦克风输入、降噪处理、语音识别、识别结果输入四个环节。想做好识别，首先要在降噪处理上下功夫。



探境自研的AI降噪算法基于深度学习，不仅能够处理稳态的噪声，非稳态的突发性噪声也能很好的过滤。据探境科技副总裁李同治介绍，凭借探境AI降噪算法的有效性，他曾将一批信噪比在3dB左右的语音数据做了测试，降噪后比降噪前提高30%识别准确率。

在对声音进行降噪处理之后，就进入到了语音识别环节。在这一环节中，神经网络模型所需的算力决定了模型的描述能力，同时也决定了模型处理能力和识别率的上限。

以往的语音识别算法，用的最多的是全连接的操作DNN/DTNN。据了解，国内多家语音识别芯片采用的都是DNN的方法。

探境将计算机视觉的经验迁移到语音识别中，在语音识别算法上加入了更多的卷积操作，重新设计了一个高计算强度的神经网络，即HONN（High Operation Neural Network）。



图：DNN与HONN区别

在高计算强度神经网络里，每一个处理单元变成了立体维度，所能处理的信息量和计算密度，也远远超过传统DNN/DTNN的方法。



由于多了一个维度的识别，性能方面得到了显著提升：DNN需要1.6M的存储空间，而HONN仅需要350k，这意味着可以使用存储空间更少、成本更低的芯片来做语音识别。

同时，DNN与HONN所需的算力相反。在处理高强度模型单帧时，HONN需要超过几百兆OPS，而一般的DNN模型需要个位数的算力。两者相差超过30倍。对于神经网络来说，模型所需的算力决定了模型的描述能力，同时也决定了模型处理能力和识别率的上限，从国内外趋势来看，最近工业和学术界趋向于使用算力需求大的模型来做建模。

据李同治介绍，就好比动物界大脑新皮层的容量决定着物种的智力程度，比如人类的新皮层容量是普通哺乳动物的近100倍，相应的，人类的智能程度超出普通哺乳动物几个数量级。

卷积运算与人类大脑负责感知模块的处理方法类似，能够提取满足大脑认知的本质特征。在参数数量相同的条件下，HONN通过卷积操作能够提供更高的计算强度，提高模型的算力需求。相对安静的环境下两者之间差别不大，但是当信噪比进一步降低时，基于HONN的方法识别优势非常明显。

端到端FCSP双麦算法简化识别流程

“为了克服传统分模块语音增强算法的缺点，我们设计出了基于FCSP的端到端AI双麦算法”，李同治表示。FCSP（Frequency Complex Subspace Projection）是探境自研的频域复数子空间投影算法的简称。



据了解，“端到端”是目前国际前沿的处理算法，亚马逊、谷歌等都在采用类似的方法。探境基于FCSP的端到端双麦算法直接输入阵列信号，输出的是最终的识别结果，中间部分全部交给基于深度学习的AI算法来处理，不再使用传统的数字信号处理方法。信号增强与识别模块整体以降低识别错误率为目标进行优化，避免了语音增强与语音识别模块错配的问题。在信噪比为0dB时，相对于传统的处理算法，相对识别错误率降低超过20%。

存储优先的SFA芯片架构

鲁勇谈到，在核心技术方面，市面上一些玩家像是在跛着脚走路，要么有芯片没算法，要么有算法没芯片，这样在市场上无法形成真正的竞争力。性能优异的算法+算力强劲且通用性强的芯片，才能充分发挥实力，探境就是要提供全栈式的技术能力，包括芯片设计、算法研究、软件开发和系统集成，提供Turn-key整体解决方案。

探境的骨干力量在行业内拥有10-20年的工作经验，其中一些曾就职于Marvell、英伟达、高通、Intel、硅谷数模等知名公司。基于多年的经验和对AI未来的预判，他们决定推翻冯诺依曼体系，推出了存储优先（SFA）的芯片架构。



SFA架构以存储驱动计算，具有能效比高、资源利用率高、通用性强等特点。在SFA架构上实现深度学习时，只需要一个较高层次的神经网络描述。SFA的编译器首先将这个神经网络进行全部融合，然后根据具体架构实现的规模产生一个统一的存储流图，再进行存储节点的时空映射，最后根据各个节点之间的计算类型配置计算单元，组合起来形成一个统一的固件供SFA控制器使用。

在28nm常规工艺芯片的对比测试中，SFA架构在乘法器数目相同情况下（DRAM为LPDDR4），结果如下表，系统能效超过4T OPS/W，甚至超过12nm的芯片方案。



注：测试方法为带有卷积加速器扩展指令的DSP模式与SFA架构模式的对比


探境有一句宣传语：NPU的性能，MCU的价格，背后动力主要来源于芯片架构的优化。设计这样一个全新的架构难度不言而喻，据鲁勇介绍，其中涉及数学、计算机架构、数据管理调度、硬件设计经验等，是个复杂的综合工程，并且要把这些方法揉在一起发挥出最大效力，通过算法和调度方式降低资源的连接复杂度，从而降低功耗，提高对数据本身的使用效率。他强调，SFA存储优先，不同于存算一体架构。后者需要从底层工艺去修改芯片设计，而存储优先是算法上的更新，无需修改芯片底层单元库。在当前商业化节奏越来越快的潮流之下，这种架构更通用、更兼容，大大加快了商业化落地速度。




探境能否渐入佳境？

依托于独有的AI降噪技术和HONN神经网络，探境的Voitist音旋风611可以覆盖绝大部分生活场景，量产供货仅半年，已经实现百万级出货。目前，探境拥有约30家合作伙伴，包括美的、海尔等智能家居制造大厂，智能家居制造商阿凡达智控、渠道商世强科技也刚刚与探境达成合作。



从探境首次曝光的产品矩阵来看，覆盖低功耗产品、主流产品、旗舰产品三大系列、六颗AI芯片，对于离在线一体、本地NLP、超低功耗产品等都有布局，希望形成智能家居网络的矩阵式入口。

离线智能语音交互是当前一个重要的细分领域，无需联网可在本地实现语音交互，不仅能够保护隐私安全，同时也可以减少用户大量数据传送到云端的压力，当前主要应用于白电市场。可通过离线智能语音控制的家电产品目前包括：灯控、空调、电视机、油烟机、玩具等。



不过，探境不仅仅满足于做一家语音方案公司。初尝到语音市场的甜头后，探境把触角伸到了下一个红利市场——图像识别。据鲁勇介绍，探境的图像芯片在2019年Q4已经流片成功，在某些领域已经开始产生营收了。根据公布的核心指标来看，核心能效比IPS/W达800，是目前全球AI芯片中最高的，而这足以支撑探境去云端推理市场正面PK。



不过，就像鲁勇所说，AI芯片像马拉松长跑，比的是耐力，而不是冲刺速度，在这场比赛中，不是要看谁跑得快，而是要看谁有潜力到达终点，谁在中途不走岔路。

探境能否从智能家居开始，打稳地基，渐入佳境？还需要市场应用最后给出答案。

作者：张慧娟

我也顶起出售广告位

大神，请收下我的膝盖