（原標題：會撒嬌有情感，小米語音聲學技術新升級！）

　　近日，小米發布了小愛音箱Art，這款音箱采用全新的金屬機身，機身揚聲器開孔被設計成0。7mm厚度的金屬飾板，可謂功能與質感兼具。小米小愛音箱Art通過一顆2。5英寸的全頻揚聲器，讓聲音的細節呈現得更加自然。

　　作為小米推出的第9款智能音箱，小米小愛音箱Art在技術上也全面升級，搭載第三代小愛同學，并支持情感化語音交互、全屋播放及就近喚醒。通過這款音箱得以看出，小米的聲學語音技術已經實現全面自研，并在自研部分領域持續領先。

　　情感化語音交互：通過迭代聲學模型，支持情感TTS

　　對于智能設備而言，實現情感化語音交互是一項挑戰。“情感”本身就是主觀的、多樣的感受，一種情感可以有多種呈現形式，更適合人與人的面對面對話。情感化語音交互對技術要求較高，要技術方、數據方、質檢方等多方對情感濃度、情感詮釋方式等標準達成共識，將較主觀的情感音素統一化、標準化。

　　隨著人工智能技術的發展，在實現人機對話的基礎上，各大廠商都在情感化語音交互的領域探索。為了讓機器加入情感元素，小米AI實驗室在“情感數據量有限”的前提下，通過不同聲學模型、不同聲碼器組合最終上線自然、擬人效果的情感TTS，成為業內首家情感化TTS大規模落地的企業。

　　通過小米AI實驗室的不斷深耕，此次小米小愛同學Art全面支持情感化語音交互，基于有限但類型不同的情感音頻數據(如開心、關心、害羞、驚訝等)，通過不同技術訓練并迭代聲學模型，最終支持情感TTS合成并實現“小愛同學”情感化、擬人化。

　　未來，小米語音將升級此技術——支持情感TTS實時合成。從下圖中可以看出，在大數據集的預訓練模型基礎上，利用目標說話人的中性情感數據對網絡進行微調，得到目標說話人的中性情感模型；在此基礎上用帶情感的小批量數據對模型進一步微調，最終得到不同情感的模型，最終實現情感合成。

　　在國內語音助手行業中，小米首次實現情感化TTS的大規模落地，未來將打造情感更加豐富的“小愛同學”，為用戶提供多元化的語音交互體驗，為IoT設備增加更豐富更立體更逼真的語音交互體驗。

　　語音支持全屋播放：立體聲組合同步播放相同音頻

　　小米小愛音箱Art，是首款可以實現語音支持全屋播放的設備。用戶直接對小愛同學說“全屋播放XX”，無需提前在App端進行手動設置，即可實現一句話語音交互，為用戶提供了更便捷的使用方式。

　　要實現這一功能，音箱需要具備AIoT放音的技術。小米AIoT放音的自研技術在攻克無線網絡抖動、晶振時鐘漂移以及弱網下數據不可達等一系列技術難題后，將不同音箱播放聲音的同步優化到微秒級別，同時還實現了在不同型號的音箱之間的數據同步，提供更細膩的音質和寬廣的聲像。

　　由這張圖可見，立體聲支持APP創建組網，才能進行語音指令和APP操作播放，全屋播放同時支持語音指令和APP創建組網。

　　立體聲功能同時支持語音指令和app操作播放，云端音頻流下發至音箱A，音箱A將立體聲分離為左右聲道，音箱A自己播放左聲道音頻并將右聲道音頻流下發給音箱B，由B音箱播放右聲道，精準的同步技術保證音箱A和B同時播放立體聲的左右聲道音頻。全屋播放功能支持語音指令和app創建組網，音頻流下發至音箱C，音箱C將音頻流混合為單聲道信號并下發給組內其他的音箱設備同時播放，不區分聲道，可支持多個設備。

　　就近喚醒全面升級：實現跨設備關閉鬧鐘

　　早在2018年，小米音箱系列就上線了就近喚醒功能。值得一提的是，此次小米小愛音箱Art就近喚醒全新升級，可支持跨設備關閉鬧鐘。遠處的音箱鬧鐘響了，喚醒近處的音箱可以直接關閉遠處的鬧鐘。此功能在業內首次上線，小米小愛音箱Art也是首款支持該功能的產品。

　　說到就近喚醒，小米早在2018年就上線這一功能，截止2020年4月28日，分布式就近喚醒已為多設備用戶累計避免約6。82億次設備同時喚醒，準確率達到98%。近期首發上線了端云多維度結合的就近喚醒綜合決策策略，深入加強多設備狀態信息聯動，智能判決空間信息，進一步提升了家庭復雜網絡環境的兼容性，同時做到了多設備響應的唯一執行，大幅提升用戶體驗。

　　未來，小米將專注于家居復雜場景應用、智能聲學感知和多傳感融合。在復雜的家庭結構環境中，保證算法的可用性，讓每個設備主動感知所處的不同環境，根據環境完成算法自適應，將數據結果取長補短，相互融合，實現多維度智能感知。

　　兩麥陣列喚醒：兩麥盲源分離降噪前端，雙級喚醒策略支撐

　　小米小愛音箱Art同步支持兩麥陣列喚醒技術。在麥克風陣列方面，小米采用兩麥盲源分離降噪前端，通過盲源分離、降噪、回聲消除等技術，在多聲源的嘈雜環境、音箱自身播放音樂時，都能結合語音增強技術，消除噪音的強干擾，獲得干凈、準確的人聲音頻。

　　在喚醒方面，為了兼顧低功耗與高性能，自研語音喚醒算法采用雙級喚醒策略。低功耗待機喚醒詞檢測模型，利用子采樣與共享隱含層等技術，減少模型資源消耗的同時保證召回率在一個較高的水平。高性能誤喚醒檢測模型，采用粗粒度建模單元，結合局部信息與長時上下文信息，高效抑制誤喚醒。通過從海量數據中自動挖掘高區分度訓練樣本，再經過數據擴充技術，提高喚醒模型在低信噪比與小音量場景下的魯棒性。

　　小米AI實驗室語音產品負責人陳君宇表示，小米IoT平臺連接的智能硬件數已達到2。5億臺，音箱出貨量已經達到2200萬臺，在這么大的用戶體量下，如何讓基礎體驗持續提升，且提升產品在AI體驗上的創新性，對自研AI團隊來說是非常重要的使命。

　　小米一直致力于研發先進的AI技術，并將技術落地到產品及業務，為用戶帶來更好的產品體驗，讓全球每一個人都能享受科技帶來的美好生活。