【導讀】蘋果最新智能家居新品，把免提語音交互帶到大眾視野。Apple TV 4K、HomeView 依托遠場麥克風與回聲消除技術，實現(xiàn)播放音頻時也能喚醒 Siri。流暢語音體驗的背后，核心難題是設備在混響、背景噪音、自身發(fā)聲干擾的環(huán)境下，穩(wěn)定拾取人聲。XMOS 多款語音處理芯片與開發(fā)框架，整合波束成形、回聲消除、AI 降噪等能力，面向電視、智能屏、家電等設備開發(fā)者，提供完整音頻鏈路方案，支撐下一代語音交互產(chǎn)品落地。
蘋果最新發(fā)布的智能家居產(chǎn)品，將語音交互推至聚光燈下。新款Apple TV 4K配備三個遠場麥克風和先進回聲消除技術，即便正在播放音頻，仍可免提喚醒Siri實現(xiàn)語音對話。新款HomeView顯示屏同樣以語音為核心，無論是查詢信息、影音娛樂還是控制全屋設備都離不開它。
在XMOS看來，這是對我們長期堅持的理念的有力印證：語音是實現(xiàn)無縫日常體驗的入口。
對于產(chǎn)品開發(fā)者而言，這也凸顯了一項根本性的要求。在一臺設備理解請求或執(zhí)行請求之前，它首先需要“聽見”說話的人。
自然的交互體驗離不開精密的工程技術
讓電視幫你找節(jié)目或讓廚房顯示屏幫你定個鬧鐘，這些操作看似簡單。但要穩(wěn)定地實現(xiàn)這種體驗，離不開嚴謹?shù)囊纛l工程技術。
人們說話的位置和距離各不相同。房間本身也會產(chǎn)生聲音反射與混響。家電運轉、旁人交談、室外車流人流又會帶來背景噪音。很多時候，接收語音指令的設備本身還在播放音樂、對白或者語音回復。
一次成功的語音交互必須在上述復雜環(huán)境下清晰拾取用戶的話音。否則，用戶只能反復喊話、提高音量，從而使體驗感大打折扣。
遠場拾音、聲學回聲消除、波束成形與降噪技術，正是應對這類難題的關鍵。回聲消除可從麥克風信號中濾除設備自身播放的聲音。波束成形利用多麥克風陣列，將拾音焦點對準說話人，同時降噪技術有助于抑制環(huán)境中的背景雜音。
以上技術協(xié)同工作，為后續(xù)的語音識別系統(tǒng)提供更清晰的語音信號。語音助手越強大，這一基礎功能就越發(fā)重要。
深耕多年積淀的專業(yè)技術賦能下一代語音產(chǎn)品
這些正是XMOS多年來一直在幫助開發(fā)者解決的難題。
我們的VocalFusion?語音處理器將麥克風信號處理與完整音頻鏈路整合在一起，從而為產(chǎn)品研發(fā)團隊提供一種切實可行的、可實現(xiàn)清晰拾音的路徑。
我們的XVF3800四麥克風解決方案集聲學回聲消除、多波束成形、去混響、噪聲抑制以及自動增益控制于一身，專為遠場語音應用而打造。其回聲消除技術已被廣泛采用，即便在揚聲器大音量播放時，也能確保語音被清晰拾取。
新推出的XVF3620方案在完整的片上語音處理鏈路中增加了基于AI的降噪算法，可支持單麥克風或雙麥克風方案。該芯片專為嘈雜、有回聲且多變的復雜環(huán)境而設計，集AI降噪、快速自適應回聲消除與雙麥克風波束成形等技術于一體。
針對基于XCORE.AI做應用的開發(fā)者，XCORE?-VOICE框架提供了一條實現(xiàn)語音交互的軟件路徑，支持集成關鍵詞識別、本地語音指令等功能。
這些可選方案能幫助產(chǎn)品團隊根據(jù)自身應用選擇合適的路徑，無論是開發(fā)電視、智能顯示屏、會議系統(tǒng)，還是家用電器。
創(chuàng)新的設計可使系統(tǒng)產(chǎn)品在任何使用空間中都富有生氣
一套合適的語音方案，始于對預期使用體驗的定義。
用戶會在多遠的距離發(fā)聲？產(chǎn)品在拾音的同時是否會播放音頻？會遇到怎樣的背景噪音？系統(tǒng)產(chǎn)品設計能夠容納幾顆麥克風？
繁忙廚用顯示屏與會議系統(tǒng)或室外對講設備所面對的聲學條件截然不同。麥克風布局、外殼設計和信號處理鏈路必須協(xié)同配合，并且要在貼近真實日常使用環(huán)境下進行評估。
在項目早期就規(guī)劃好這些需求能夠幫助開發(fā)者讓語音交互成為產(chǎn)品穩(wěn)定可靠的功能。
讓自然語音交互走進更多設備
蘋果的這次發(fā)布再次印證了語音在智能家居中的重要地位。放眼整個行業(yè)，這也預示著巨大機遇：讓日常設備的操作變得更加簡單、自然。而正在到來的未來，還有包括語音交互控制的AI助理（AI Agent）設備，甚至在鍵盤以外還有語音人機接口的AI PC等諸多的新應用。
XMOS為開發(fā)者提供了追逐這一機遇所需的語音處理基石，幫助設備清晰聆聽，讓人們滿懷信心地與設備交互。
結論
蘋果新品的發(fā)布，印證語音仍是智能家居自然交互的核心入口。智能設備想要穩(wěn)定聽懂用戶指令，遠場拾音、回聲消除、降噪等音頻預處理技術不可或缺。XMOS 通過 VocalFusion? 系列語音處理器、XVF 系列方案以及 XCORE?-VOICE 開發(fā)框架，提供多檔位軟硬件選擇，適配不同產(chǎn)品聲學場景。隨著 AI Agent 設備、AI PC 等新形態(tài)產(chǎn)品興起，語音交互應用場景持續(xù)拓展，成熟的音頻處理方案將幫助開發(fā)者攻克復雜環(huán)境拾音難題，推動自然語音交互落地到更多終端設備。
