一種基于語(yǔ)音交互應(yīng)用的全時(shí)AI電視系統(tǒng)設(shè)計(jì)方案

洪文生 徐遙令 沈思寬 艾倩

摘 要：提出一種基于語(yǔ)音交互應(yīng)用的全時(shí)AI電視系統(tǒng)設(shè)計(jì)方案，詳細(xì)闡述了系統(tǒng)工作原理及AI語(yǔ)音交互、AI待機(jī)交互、線(xiàn)性陣列麥克風(fēng)模塊和防反射收音管道設(shè)計(jì)關(guān)鍵技術(shù)；系統(tǒng)在開(kāi)機(jī)和AI待機(jī)狀態(tài)時(shí)均可進(jìn)行AI語(yǔ)音交互，實(shí)現(xiàn)不間斷全時(shí)語(yǔ)音交互，同時(shí)AI待機(jī)語(yǔ)音交互功率低，系統(tǒng)語(yǔ)音交互準(zhǔn)確性和識(shí)別率高。該方案已應(yīng)用于創(chuàng)維全時(shí)AI電視產(chǎn)品，效果良好，產(chǎn)生了良好效益。

關(guān)鍵詞：語(yǔ)音交互；全時(shí)AI；電視

以人為中心的身體、姿態(tài)、動(dòng)作、表情、語(yǔ)音識(shí)別技術(shù)的自然人機(jī)交互已開(kāi)始應(yīng)用于智能電視[1]。聲音可最自然和直接地訪問(wèn)信息和交換信息，語(yǔ)音信息輸入、識(shí)別和實(shí)現(xiàn)，可以大大降低用戶(hù)的通信成本，豐富人機(jī)交互[2]。語(yǔ)音識(shí)別技術(shù)是通過(guò)對(duì)語(yǔ)音信號(hào)特征的提取，使用不同的模式對(duì)其進(jìn)行匹配，最終將語(yǔ)音信號(hào)轉(zhuǎn)化成為文本內(nèi)容或者命令的技術(shù)[3]。

語(yǔ)音交互作為最符合人機(jī)交互的方式之一，逐步成為電視等智能硬件的“標(biāo)配”，并使語(yǔ)音搜索成為了主流的AI（artificial intelligence，AI）技術(shù)[4]。AI語(yǔ)音技術(shù)在智能電視上應(yīng)用，需要24 h全時(shí)段支持交互功能，不管是開(kāi)機(jī)狀態(tài)還是待機(jī)狀態(tài)，都要能夠接收和處理語(yǔ)音、實(shí)現(xiàn)交互，為人們提供高品質(zhì)和便捷的交互服務(wù)。

本文提出一種基于語(yǔ)音交互應(yīng)用的全時(shí)AI電視系統(tǒng)設(shè)計(jì)方案，闡述了系統(tǒng)工作原理及AI語(yǔ)音交互、AI待機(jī)交互、線(xiàn)性陣列麥克風(fēng)模塊和防反射收音管道設(shè)計(jì)工藝關(guān)鍵技術(shù)；系統(tǒng)在開(kāi)機(jī)和AI待機(jī)狀態(tài)時(shí)均可進(jìn)行 AI語(yǔ)音交互、實(shí)現(xiàn)不間斷全時(shí)語(yǔ)音交互，同時(shí)AI待機(jī)時(shí)的交互功率低，采用線(xiàn)性陣列麥克風(fēng)和防反射收音管道設(shè)計(jì)實(shí)現(xiàn)良好的收音效果，系統(tǒng)語(yǔ)音交互的準(zhǔn)確性和識(shí)別率高。該方案已用于創(chuàng)維全時(shí)AI電視產(chǎn)品，得到了良好應(yīng)用。

1 系統(tǒng)原理

基于語(yǔ)音交互應(yīng)用的全時(shí)AI電視系統(tǒng)由全時(shí)和分時(shí)工作模塊組成，框圖如圖1所示。全時(shí)工作模塊包括陣列麥克風(fēng)、語(yǔ)音DSP、互聯(lián)網(wǎng)功能、語(yǔ)音處理部分及電源管理模塊；分時(shí)工作模塊包括顯示處理、視頻處理、音頻處理及其他電視處理模塊。

全時(shí)AI電視系統(tǒng)有三種狀態(tài)：開(kāi)機(jī)、AI待機(jī)和深度待機(jī)。開(kāi)機(jī)時(shí)，全時(shí)工作模塊和分時(shí)工作模塊處于工作狀態(tài)，電視可以進(jìn)行語(yǔ)音交互、音視頻播放等；AI待機(jī)時(shí)，全時(shí)工作模塊處于工作狀態(tài)，而分時(shí)工作模塊處于關(guān)閉狀態(tài)，此時(shí)僅語(yǔ)音交互相關(guān)的模塊處于工作狀態(tài)，其他模塊基本不消耗電能，在保持正常語(yǔ)音交互的情況下實(shí)現(xiàn)了低功耗；深度待機(jī)時(shí)，全時(shí)工作模塊和分時(shí)工作模塊都處于關(guān)閉狀態(tài)，此時(shí)功耗極低，但無(wú)法進(jìn)行語(yǔ)音交互。

全時(shí)AI電視系統(tǒng)的待機(jī)流程如圖2所示。電視在開(kāi)機(jī)狀態(tài)時(shí)，可以進(jìn)行AI語(yǔ)音交互、音視頻播放等，接收遙控器、按鍵、語(yǔ)音或手機(jī)等設(shè)備發(fā)出的待機(jī)指令，如果此時(shí)系統(tǒng)設(shè)置為AI待機(jī)且網(wǎng)絡(luò)連通，將先關(guān)閉分時(shí)工作模塊，然后進(jìn)入AI待機(jī)狀態(tài)；否則依次關(guān)閉分時(shí)和全時(shí)工作模塊，然后進(jìn)入深度待機(jī)狀態(tài)。在AI待機(jī)時(shí)，可以進(jìn)行AI語(yǔ)音交互、響應(yīng)語(yǔ)音指令，打開(kāi)分時(shí)工作模塊的部分功能，進(jìn)行語(yǔ)音響應(yīng)播報(bào)聲音；可以通過(guò)語(yǔ)音喚醒電視或傳統(tǒng)遙控方式快速喚醒電視，使電視系統(tǒng)不需要重啟而迅速進(jìn)入開(kāi)機(jī)狀態(tài)；還可設(shè)定特定條件（如長(zhǎng)時(shí)間未進(jìn)行AI語(yǔ)音交互時(shí)）自動(dòng)切換至深度待機(jī)狀態(tài)，以節(jié)省能耗。在深度待機(jī)時(shí)，不響應(yīng)AI語(yǔ)音交互，且必須通過(guò)傳統(tǒng)的遙控或按鍵開(kāi)機(jī)指令使系統(tǒng)重啟后進(jìn)入開(kāi)機(jī)狀態(tài)。

2 關(guān)鍵技術(shù)

1）AI語(yǔ)音交互技術(shù)

AI語(yǔ)音交互技術(shù)原理框圖由全時(shí)AI電視系統(tǒng)、網(wǎng)絡(luò)、服務(wù)器系統(tǒng)組成，如圖3所示。其中，全時(shí)AI電視系統(tǒng)包括聲音采集、聲音提取及增強(qiáng)、人聲識(shí)別與語(yǔ)音檢測(cè)等模塊；服務(wù)器系統(tǒng)包括語(yǔ)音識(shí)別、邏輯轉(zhuǎn)換等模塊。

全時(shí)AI電視系統(tǒng)通過(guò)聲音采集模塊采集聲音（包括環(huán)境噪聲、人聲、及電視喇叭聲音等），進(jìn)行降噪等預(yù)處理后得到聲音信號(hào)，然后對(duì)聲音信號(hào)進(jìn)行回音消除、去混響、聲音提取和增強(qiáng)等處理，以及進(jìn)行人聲識(shí)別及人聲端點(diǎn)語(yǔ)音檢測(cè)，獲取人聲語(yǔ)音信息，然后將語(yǔ)音編碼、調(diào)制后通過(guò)網(wǎng)絡(luò)傳送給服務(wù)器系統(tǒng)；服務(wù)器系統(tǒng)接收語(yǔ)音后，進(jìn)行語(yǔ)音識(shí)別和邏輯處理等，向全時(shí)AI電視系統(tǒng)反饋語(yǔ)音代表的語(yǔ)義等信息；全時(shí)AI電視系統(tǒng)接收到反饋信息后，進(jìn)行解碼處理并生成電視系統(tǒng)的執(zhí)行指令，控制電視系統(tǒng)的模塊工作，完成AI語(yǔ)音交互。

2）AI待機(jī)交互技術(shù)

由系統(tǒng)原理闡述可知，在AI待機(jī)時(shí)分時(shí)工作模塊進(jìn)入關(guān)閉狀態(tài)。而在AI待機(jī)過(guò)程中，為滿(mǎn)足良好人機(jī)交互需要、同時(shí)要兼顧低功率消耗，根據(jù)AI交互不同的指令，在交互時(shí)需要合理啟動(dòng)分時(shí)工作模塊的部分功能進(jìn)入工作狀態(tài)。AI交互指令及處理功能工作狀態(tài)如圖4所示。

AI待機(jī)交互技術(shù)設(shè)計(jì)原理為：①當(dāng)AI語(yǔ)音為音頻指令時(shí)，需合理開(kāi)啟音頻處理功能；如語(yǔ)音輸入“今天天氣怎么樣”，電視系統(tǒng)收到服務(wù)器系統(tǒng)的反饋信息并生成及執(zhí)行指令，立即開(kāi)啟音頻播放功能進(jìn)行天氣播報(bào)；如語(yǔ)音輸入“播放音樂(lè)”，電視系統(tǒng)收到服務(wù)器系統(tǒng)的反饋信息并生成及執(zhí)行指令，立即開(kāi)啟音樂(lè)播放器和音頻播放功能播放音樂(lè)。②當(dāng)AI語(yǔ)音為視頻指令時(shí)，需合理開(kāi)啟視頻和顯示處理及音頻處理功能；如語(yǔ)音輸入“播放中央一套”，電視系統(tǒng)收到服務(wù)器系統(tǒng)的反饋信息并生成及執(zhí)行指令，立即開(kāi)啟視頻播放功能和打開(kāi)電視屏幕顯示及開(kāi)啟音頻播放功能，進(jìn)行央視一套節(jié)目播放。③當(dāng)接收到遙控或按鍵指令時(shí)，需合理開(kāi)啟顯示或音頻處理功能；如指令為待機(jī)，需要立即開(kāi)啟顯示功能；如為音量加減，則僅開(kāi)啟音頻處理的音量調(diào)節(jié)功能而不開(kāi)啟顯示功能。在特定或設(shè)定場(chǎng)景下，如果未檢測(cè)到AI語(yǔ)音交互或遙控等指令，系統(tǒng)可以由AI待機(jī)狀態(tài)進(jìn)入深度待機(jī)狀態(tài)。

3）線(xiàn)性陣列麥克風(fēng)模塊及工藝

麥克風(fēng)設(shè)計(jì)是影響全時(shí)AI電視系統(tǒng)語(yǔ)音交互準(zhǔn)確性和精度的重要因素之一，系統(tǒng)采用線(xiàn)性陣列麥克風(fēng)模塊及防反射收音管道設(shè)計(jì)工藝。

防反射收音管道設(shè)計(jì)示意圖如圖6所示，由導(dǎo)音管、密封圈、吸音膜及麥克風(fēng)組成。防反射收音管道的導(dǎo)音管開(kāi)孔大于麥克風(fēng)收音孔20%以上、保證收音范圍較廣；密封圈采用硅膠材質(zhì)，與導(dǎo)音管下表面精密配合，為防止聲音反射，采用吸音膜來(lái)吸收未進(jìn)入麥克風(fēng)收音孔的聲音，吸音膜吸收音頻頻率范圍大于人聲的頻率范圍，即大于20 Hz～20 kHz，確保每個(gè)頻段的聲音都能很好衰減；防反射收音管道能夠有效防止聲音反射問(wèn)題，同時(shí)確保收音范圍廣，獲取高質(zhì)量音頻。

3 系統(tǒng)應(yīng)用

全時(shí)AI電視系統(tǒng)設(shè)計(jì)方案已經(jīng)在多個(gè)電視產(chǎn)品中應(yīng)用，涵蓋43～86英寸（注：1英寸=2.54 cm），包括創(chuàng)維電視Q40、Q51、S81、S9A等產(chǎn)品系列。產(chǎn)品內(nèi)置線(xiàn)性陣列麥克風(fēng)，支持良好的全時(shí)AI語(yǔ)音交互體驗(yàn)，市場(chǎng)銷(xiāo)售規(guī)模超過(guò)百萬(wàn)臺(tái)。

以65英寸電視產(chǎn)品為例，AI待機(jī)時(shí)功率約16 W，從AI待機(jī)狀態(tài)進(jìn)入開(kāi)機(jī)狀態(tài)的時(shí)間約2 s，支持遠(yuǎn)距離語(yǔ)音交互：3 m內(nèi)喚醒率99%、識(shí)別率95%，8 m喚醒率95%、識(shí)別率93%。

4 結(jié)束語(yǔ)

文章提出一種基于語(yǔ)音交互應(yīng)用的全時(shí)AI電視系統(tǒng)設(shè)計(jì)方案，闡述了系統(tǒng)工作原理及AI語(yǔ)音交互、AI待機(jī)交互、線(xiàn)性陣列麥克風(fēng)模塊和防反射收音管道設(shè)計(jì)工藝關(guān)鍵技術(shù)；系統(tǒng)在開(kāi)機(jī)和AI待機(jī)狀態(tài)時(shí)均可進(jìn)行AI語(yǔ)音交互，并實(shí)現(xiàn)不間斷全時(shí)語(yǔ)音交互；同時(shí)AI待機(jī)時(shí)的語(yǔ)音交互功率低，并采用線(xiàn)性陣列麥克風(fēng)和防反射收音管道設(shè)計(jì)實(shí)現(xiàn)良好的收音效果，系統(tǒng)語(yǔ)音交互的準(zhǔn)確性和識(shí)別率高。該方案已應(yīng)用于創(chuàng)維全時(shí)AI電視產(chǎn)品，效果良好，產(chǎn)生了良好經(jīng)濟(jì)社會(huì)效益。

參考文獻(xiàn)：

[1]任飛.智能電視軟件平臺(tái)關(guān)鍵技術(shù)研究[D].成都：電子科技大學(xué)， 2013.

[2]汪文弈.智能電視語(yǔ)音交互系統(tǒng)的研究與設(shè)計(jì)[D].成都：電子科技大學(xué)，2017.

[3]王景山.基于語(yǔ)音交互的電視節(jié)目點(diǎn)播系統(tǒng)[D].蘭州：蘭州大學(xué)， 2016.

[4]章金水.AI客廳語(yǔ)音入口探索與實(shí)踐[J].數(shù)字通信世界，2020， 44（3）：24-26.

3905501908227