近日，大象声科共同创办人&CEO张学良博士发表了题为《从听清到听懂，AI智能语音信号处理的革命》的主题演讲，深入阐释了智能语音前端处理技术在AI眼镜新一代人机交互设备中的关键作用，并重点介绍了大象声科专为AI眼镜语音通话和语音交互场景推出的智能语音方案。
张学良博士指出，随着AI眼镜逐渐成为下一代人机交互的新入口，语音交互正成为继鼠标、触屏之后更自然、更便捷的交互方式。然而，当前语音交互仍面临“户外不敢说，嘈杂环境没法用”的痛点。作为语音交互链条的第一环，前端语音信号处理的质量，直接决定了后端语音识别的准确率、用户体验的流畅度以及设备的智能化水平。
作为全球首家将深度学习用于语音信号处理并落地端侧的AI公司，大象声科推出了专为AI眼镜通话场景和语音交互场景打造的智能语音解决方案，该方案基于端到端的深度神经网络模型，集合了大象声科全自研的包括AI降噪、人声分离、深度AEC、波束形成等AI语音信号处理算法，定向清晰拾音，精准语音唤醒，为AI眼镜打造更清晰的语音通信和更高效的语音交互体验。
佩戴者音区：只拾你音
AI眼镜智能语音方案的佩戴者音区功能，可确保AI眼镜在复杂环境中仅拾取佩戴者语音，不仅在通话中隔绝周围其他人说话声和环境噪音干扰，让通话对方听得更清，同时还能避免其他人误唤醒眼镜，提升语音识别的准确率。
高精度指向拾音：“指哪听哪”
拾音角度支持定制，可做到±5度范围内精准拾音，结合人声分离，可单独输出近场佩戴者自己和远场对话人两路独立语音信号，分别给到后端ASR进行识别，适用于翻译、会议等场景。
语音唤醒：强抗噪、低功耗
支持定制化唤醒词与免唤醒词指令，强噪音或者风噪环境下也能轻松唤醒；支持高通AR1 LPI模式（低功耗唤醒）以及采用二级唤醒模式，兼顾性能和功耗。
此外，该方案还支持沉浸式录音功能，可实现360°高清音频录制，抗风噪能力突出，骑行等户外运动场景下也能保障清晰录制。
目前，大象声科的语音前端处理技术已赋能超过1亿台智能终端，涵盖手机、耳机、PC、车载等多个领域。在AI眼镜这一新兴赛道中，大象声科正通过标品化、高性能的算法方案，助力客户快速实现产品化落地，推动行业走向更智能、更自然的多模态交互体验。（来源：大象声科ELEVOC）
|
